| 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 | 2021-06-22 09:00 フィッシングウェブサイトの特徴分析とフィッシング検出のための機械学習アルゴリズムの比較と改善 ○魏 祎・関谷勇司（東大）  IA2021-9 ICSS2021-9 |
|
| 抄録 | （和） | Phishing is a kind of cybercrime that uses disguised websites to trick people into providing personally sensitive information. Machine Learning is a branch of Artificial Intelligence (AI), which can learn from datasets and make predictions with minimal human intervention. Phishing detection is a typical binary classification task that can be predicted by machine learning algorithms. This paper analyzes 111 features of the latest phishing websites dataset，which includes 27998 legitimate websites and 30647 phishing websites to investigate the obvious differences and correlations between phishing and legitimate websites. Then, seven commonly used machine learning algorithms are compared to detect phishing websites, including Logistic Regression, Linear Discriminant Analysis, Classification and Regression Tree, Support Vector Machine (SVM), Naïve Bayes Classifier, Random Forest, and K-Nearest Neighbor. Among these algorithms, Random Forest shows the highest accuracy and the best performance. |
| （英） | Phishing is a kind of cybercrime that uses disguised websites to trick people into providing personally sensitive information. Machine Learning is a branch of Artificial Intelligence (AI), which can learn from datasets and make predictions with minimal human intervention. Phishing detection is a typical binary classification task that can be predicted by machine learning algorithms. This paper analyzes 111 features of the latest phishing websites dataset，which includes 27998 legitimate websites and 30647 phishing websites to investigate the obvious differences and correlations between phishing and legitimate websites. Then, seven commonly used machine learning algorithms are compared to detect phishing websites, including Logistic Regression, Linear Discriminant Analysis, Classification and Regression Tree, Support Vector Machine (SVM), Naïve Bayes Classifier, Random Forest, and K-Nearest Neighbor. Among these algorithms, Random Forest shows the highest accuracy and the best performance. | |
| キーワード | （和） | Cyber Security / Feature Analysis / Phishing Website Detection / Machine Learning / / / / |
| （英） | Cyber Security / Feature Analysis / Phishing Website Detection / Machine Learning / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 69, ICSS2021-9, pp. 44-49, 2021年6月. | |
| 資料番号 | ICSS2021-9 | |
| 発行日 | 2021-06-14 (IA, ICSS) | |
| 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 | IA2021-9 ICSS2021-9 |
|
| 研究会情報 | |
| 研究会 | IA ICSS |
| 開催期間 | 2021-06-21 - 2021-06-22 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | インターネットセキュリティ、一般 |
| テーマ（英） | Internet Security, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | ICSS |
| 会議コード | 2021-06-IA-ICSS |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | フィッシングウェブサイトの特徴分析とフィッシング検出のための機械学習アルゴリズムの比較と改善 |
| サブタイトル（和） | |
| タイトル（英） | Feature analysis of phishing website and phishing detection based on machine learning algorithms |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Cyber Security / Cyber Security |
| キーワード(2)（和/英） | Feature Analysis / Feature Analysis |
| キーワード(3)（和/英） | Phishing Website Detection / Phishing Website Detection |
| キーワード(4)（和/英） | Machine Learning / Machine Learning |
| 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） | 魏 祎 / Yi Wei / ギ イ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Todai) |
| 第2著者 氏名（和/英/ヨミ） | 関谷 勇司 / Yuji Sekiya / セキヤ ユウジ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Todai) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-06-22 09:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | ICSS |
| 資料番号 | IA2021-9, ICSS2021-9 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.68(IA), no.69(ICSS) |
| ページ範囲 | pp.44-49 |
| ページ数 | 6 |
| 発行日 | 2021-06-14 (IA, ICSS) |
[研究会発表申込システムのトップページに戻る]