講演抄録/キーワード |
講演名 |
2016-11-25 16:10
リンクマイニングによる悪性Webサイトの検知性能 ○高野泰洋・伊藤大貴・永井達也(神戸大)・神薗雅紀(PwCサイバーサービス)・毛利公美(岐阜大)・白石善明(神戸大)・星澤裕二(PwCサイバーサービス)・森井昌克(神戸大) ICSS2016-44 |
抄録 |
(和) |
従来より, ブラックリストを使いURL のキーワード照合等により悪性Web サイトへのアクセス回避が試みられている. しかし, 攻撃者はURL を頻繁に変更する可能性があるため, 従来手法は悪性Web サイトの更新に対し追従が困難であると懸念される. 本研究は, 先行研究において, 悪性Web サイトのリンク構造に類似性があることを実証実験により確かめた. そこで, 本稿は, 現存するWebサイトから収集したリンク構造に対し, 教師付きリンクマイニングによる悪性Webサイト検出性能を検証する. 本稿の実験によれば, ネットワークパラメータの自動学習を行う Convolutional neural networks (CNN) アルゴリズムはSupport vector classification (SVC) に比べて有意に性能を改善し, 87%の精度で悪性Web サイトを検出した. |
(英) |
Conventional techniques to avoid malicious websites techniques by referring URL's keywords reported in black lists have been studied. Since attackers can modify the URL quite often, however, the conventional techniques are concerned that they are difficult to follow the frequent updates. Our previous contribution has shown that the malicious websites have a certain correlation among them. This paper evaluates, therefore, performance of supervised-inkmining techniques to detect the malicious websites by inputting the link structure captured from the actual websites. The experimental evaluation results shows that by determining the networks automatically the convolutional neural networks (CNN) algorithms achieves the accuracy = 87%, which outperform the support vector classification (SVC) techniques significantly. |
キーワード |
(和) |
Drive-by-download攻撃 / リンクマイニング / Support vector classification (SVC) / Convolutional neural networks (CNN) / / / / |
(英) |
drive-by-download attack / linkmining / support vector classification (SVC) / convolutional neural networks (CNN) / / / / |
文献情報 |
信学技報, vol. 116, no. 328, ICSS2016-44, pp. 31-35, 2016年11月. |
資料番号 |
ICSS2016-44 |
発行日 |
2016-11-18 (ICSS) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
ICSS2016-44 |