검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Event De-Noising Convolutional Neural Network for Detecting Malicious URL Sequences from Proxy Logs 프록시 로그에서 악성 URL 시퀀스를 탐지하기 위한 이벤트 잡음 제거 컨볼루셔널 신경망

Toshiki SHIBAHARA, Kohei YAMANISHI, Yuta TAKATA, Daiki CHIBA, Taiga HOKAGUCHI, Mitsuaki AKIYAMA, Takeshi YAGI, Yuichi OHSITA, Masayuki MURATA

  • 조회수

    0

  • 이것을 인용

요약 :

기업 네트워크의 감염된 호스트 수는 드라이브 바이 다운로드 공격으로 인해 증가했습니다. 이러한 공격에서는 손상된 유명 웹사이트의 사용자가 브라우저와 해당 플러그인의 취약점을 악용하는 웹사이트로 리디렉션됩니다. 피해를 방지하기 위해 블랙리스트 기반 필터링이 아닌 프록시 로그 기반으로 감염된 호스트를 탐지하는 연구가 시작되었습니다. 악성 도메인의 짧은 수명과 익스플로잇 코드의 은폐로 인해 블랙리스트 작성이 어려워졌기 때문입니다. 프록시 로그에서 악성 웹 사이트에 대한 접근을 탐지하기 위해 우리는 세 가지 핵심 아이디어를 기반으로 악성 URL 시퀀스를 탐지하는 시스템을 제안합니다: 악성 리디렉션 아티팩트를 포함하는 URL 시퀀스에 초점을 맞추고 브라우저 이외의 소프트웨어와 관련된 새로운 기능을 설계합니다. 데이터 증강을 통해 새로운 훈련 데이터를 생성합니다. URL 시퀀스를 분류하기 위한 효과적인 접근 방식을 찾기 위해 개인 기반 접근 방식, CNN(컨볼루션 신경망) 및 새로운 이벤트 잡음 제거 CNN(EDCNN)의 세 가지 접근 방식을 비교했습니다. 당사의 EDCNN은 악성 URL 시퀀스에 포함된 손상된 웹사이트에서 리디렉션되는 무해한 URL의 부정적인 영향을 줄입니다. 평가 결과는 제안된 기능과 데이터 증강을 갖춘 EDCNN만이 실제 분류 성능(진양성률 99.1%, 위양성률 3.4%)을 달성했음을 보여줍니다.

발행
IEICE TRANSACTIONS on Fundamentals Vol.E101-A No.12 pp.2149-2161
발행일
2018/12/01
공개일
온라인 ISSN
1745-1337
DOI
10.1587/transfun.E101.A.2149
원고의 종류
Special Section PAPER (Special Section on Information Theory and Its Applications)
범주
암호화 및 정보 보안

작성자

Toshiki SHIBAHARA
  NTT Secure Platform Laboratories,Osaka University
Kohei YAMANISHI
  Osaka University
Yuta TAKATA
  NTT Secure Platform Laboratories
Daiki CHIBA
  NTT Secure Platform Laboratories
Taiga HOKAGUCHI
  Osaka University
Mitsuaki AKIYAMA
  NTT Secure Platform Laboratories
Takeshi YAGI
  NTT Secure Platform Laboratories
Yuichi OHSITA
  Osaka University
Masayuki MURATA
  Osaka University

키워드