Web Phishing Net (WPN)：一种用于实时钓鱼活动检测的可扩展机器学习方法
密码学与安全
2025-02-20 v1 人工智能
机器学习
摘要
网络钓鱼是当今最普遍的网络攻击类型，被认为是导致数据泄露的主要来源，对个人和企业均造成严重后果。基于 Web 的网络钓鱼攻击最为频繁，其攻击向量包括社交媒体帖子和包含指向钓鱼 URL 链接的电子邮件，一旦被点击，就会使主机系统容易受到更恶意攻击的威胁。以往检测钓鱼 URL 的研究工作涉及使用监督学习技术，这些技术使用大量数据来训练模型，并且具有较高的计算要求。它们还涉及对源自包括电子邮件内容在内的向量的特征分析，从而影响用户隐私。此外，它们缺乏对威胁演变的抵抗力，特别是随着生成式 AI 技术的出现，这些技术被用于绕过这些系统，例如 AI 生成的钓鱼 URL。诸如聚类技术等无监督方法过去也曾用于钓鱼检测，然而，由于使用成对比较，它们有时无法扩展。在检测钓鱼活动时，它们也缺乏高检测率。在本文中，我们提出了一种不仅快速而且可扩展的无监督学习方法，因为它不涉及成对比较。它能够以高检测率一次检测整个活动，同时保护用户隐私；这包括最近激增的由恶意实体使用生成式 AI 技术生成的定向钓鱼 URL 活动。
引用
@article{arxiv.2502.13171,
title = {Web Phishing Net (WPN): A scalable machine learning approach for real-time phishing campaign detection},
author = {Muhammad Fahad Zia and Sri Harish Kalidass},
journal= {arXiv preprint arXiv:2502.13171},
year = {2025}
}
备注
IEEE Intelligent Cybersecurity Conference (ICSC2024)