| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-03-05 14:45 悪性URL検知のためのEmbedding手法と機械学習モデルについての考察 ○陳 啓晟・面 和成（筑波大）  IT2020-157 ISEC2020-87 WBS2020-76 |
|
| 抄録 | （和） | 最近インターネットへのアクセスがますます増えており、悪意あるウェブサイトによる被害が深刻化している。Google Safe Browsingなど，この問題を解決するの多くの解決策は悪意あるウェブサイトを検知する。ブラックリスト方式は悪意あるURLを検出するのに非常に便利であるが、多くの欠点も存在する。例えば，悪意あるサイトの多くは毎日のように生成され、ブラックリストの生成が追いついていない。本論文では、異なるembedding方法と異なる機械学習モデルを用いて悪意あるURLを検出する方法を比較・評価する。さらに、これらのembedding方法と機械学習モデルの精度を比較した。我々の評価では、トークン分割方法とTF-IDFの組み合わせの性能が良いことを実験的に明らかにした。その結果，URLの分割方法が悪意あるURL検出に重要な役割を果たすという結論を得た。 |
| （英） | Nowadays, Internet access is becoming more and more popular, which makes the harm of malicious websites more and more serious. There are many solutions to solve this problem such as Google Safe Browsing, which check whether the website is malicious. A blacklist method is very useful for detect malicious URL but there are still many shortcomings. For example, a lot of new malicious websites are generated every day, and the speed of blacklist expansion can not keep up. In this paper, we use different embedding methods and different machine learning models to detecting malicious URLs. Besides, we compared the accuracy of these embedding methods and machine learning models. In our evaluation, the embedding algorithm TF-IDF and Token segmentation method obtain a good performance and we draw a conclusion that segmentation method plays an important role in malicious URLs detection. | |
| キーワード | （和） | 機械学習 / 悪性あるURL検知 / 埋め込み方法 / 分割方法 / / / / |
| （英） | Machine learning / Malicious URLs detection / Embedding / Segmentation method / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 411, ISEC2020-87, pp. 281-287, 2021年3月. | |
| 資料番号 | ISEC2020-87 | |
| 発行日 | 2021-02-25 (IT, ISEC, WBS) | |
| ISSN | 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 | IT2020-157 ISEC2020-87 WBS2020-76 |
|
| 研究会情報 | |
| 研究会 | WBS IT ISEC |
| 開催期間 | 2021-03-04 - 2021-03-05 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | WBS・IT・ISEC合同研究会 |
| テーマ（英） | Joint Meeting of WBS, IT, and ISEC |
| 講演論文情報の詳細 | |
| 申込み研究会 | ISEC |
| 会議コード | 2021-03-WBS-IT-ISEC |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | 悪性URL検知のためのEmbedding手法と機械学習モデルについての考察 |
| サブタイトル（和） | |
| タイトル（英） | Consideration of embedding methods and machine learning models for detecting malicious URLs |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 機械学習 / Machine learning |
| キーワード(2)（和/英） | 悪性あるURL検知 / Malicious URLs detection |
| キーワード(3)（和/英） | 埋め込み方法 / Embedding |
| キーワード(4)（和/英） | 分割方法 / Segmentation method |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 陳 啓晟 / Qisheng Chen / チン ケイセイ |
| 第1著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. of Tsukuba) |
| 第2著者 氏名（和/英/ヨミ） | 面 和成 / Kazumasa omote / オモテ カズマサ |
| 第2著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. of Tsukuba) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-03-05 14:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | ISEC |
| 資料番号 | IT2020-157, ISEC2020-87, WBS2020-76 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.410(IT), no.411(ISEC), no.412(WBS) |
| ページ範囲 | pp.281-287 |
| ページ数 | 7 |
| 発行日 | 2021-02-25 (IT, ISEC, WBS) |
[研究会発表申込システムのトップページに戻る]