[論文レビュー] Community Targeted Phishing: A Middle Ground Between Massive and Spear Phishing through Natural Language Generation

Alberto Giaretta, Nicola Dragoni|arXiv (Cornell University)|Aug 24, 2017

Spam and Phishing Detection参考文献 8被引用数 4

ひとこと要約

本論文は、自然言語生成（NLG）を用いてコミュニティ全体に適合したマシン特化型メールを生成する、新しいフィッシング手法であるコミュニティ標的フィッシング（CTP）を紹介する。これは、大量フィッシングと高コストのスパイアフィッシングの間の溝を埋めるものである。テンプレート駆動型および高度なNLG技術を活用することで、攻撃者はスケーラブルに信憑性があり、個人に合わせたメッセージを生成でき、人的作業を削減しながらも、欺瞞の効果を高められる。

ABSTRACT

Looking at today phishing panorama, we are able to identify two diametrically opposed approaches. On the one hand, massive phishing targets as many people as possible with generic and preformed texts. On the other hand, spear phishing targets high-value victims with hand-crafted emails. While nowadays these two worlds partially intersect, we envision a future where Natural Language Generation (NLG) techniques will enable attackers to target populous communities with machine-tailored emails. In this paper, we introduce what we call Community Targeted Phishing (CTP), alongside with some workflows that exhibit how NLG techniques can craft such emails. Furthermore, we show how Advanced NLG techniques could provide phishers new powerful tools to bring up to the surface new information from complex data-sets, and use such information to threaten victims' private data.

研究の動機と目的

• 自然言語生成（NLG）を用いてスケーラビリティとパーソナライゼーションを統合する、新しいフィッシングパラダイム「コミュニティ標的フィッシング（CTP）」を提唱すること。
• テンプレート駆動型NLGが、研究者や同僚などコミュニティ固有の役割に適合した、信ぴょう性のあるフィッシングメールをどのように生成できるかを示すこと。
• 高度なNLG技術が、隠れたデータ（例：hインデックスの傾向）を抽出・要約することで、フィッシングの信ぴょう性を高められる可能性を探ること。
• 従来のスパムフィルタが一般または明確な悪意あるコンテンツを想定しているのに対し、自動的かつ文脈に即したフィッシングキャンペーンがそれらを回避できるという、新たな脅威への認識を高めること。
• NLGを基盤とするフィッシング検出および緩和の今後の研究の基盤を築くこと。

提案手法

• コミュニティ固有のデータ（例：名前、トピック、偽のリンク）を事前に定義されたテンプレートに埋め込むことで、テンプレート駆動型NLGを用いてフィッシングメールを生成する。
• Google Scholar や共有ドキュメントプラットフォームなどのソースから得たデータを用いて、テンプレートを動的に補完するワークフローを採用する。
• 複雑で多様なデータ（例：学術的業績の傾向）を自然言語に要約することで、社会的工学に役立てる高度なNLGを適用する。
• 信頼できる通信文脈（例：同業者レビュー、イベント招待）を模倣したフィッシングメールを設計することで、信ぴょう性を高める。
• ユーザーの操作後に資格情報を搑取するため、Google やソーシャルメディアを模倣した偽のログインページを作成する。
• 自然言語の整合性と文脈的関連性を活用することで、疑念を軽減し、成功確率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 NLG技術をどのように活用すれば、特定のコミュニティに対してスケーラブルかつ文脈に即したパーソナライズされたフィッシングメールを生成できるか？
• RQ2 テンプレート駆動型NLGは、正当な内部通信を模倣する信ぴょう性のあるフィッシングメッセージをどの程度生成できるか？
• RQ3 高度なNLGは、隠れた行動的または業績データ（例：hインデックスの傾向）を抽出・要約できるか、それがフィッシングの信ぴょう性を高められるか？
• RQ4 NLGで駆動されるこのようなフィッシングキャンペーンは、一般または明確な悪意あるコンテンツを想定した従来のスパムフィルタをどのように回避できるか？
• RQ5 NLGを用いて社会的工学を大規模に自動化することは、学術的・専門的ネットワークなどの高価値コミュニティにどのような影響を及えるか？

主な発見

• コミュニティ標的フィッシング（CTP）により、攻撃者はNLGを活用して、人的作業を最小限に抑えながらも、大規模かつ高度にパーソナライズされたフィッシングメールを生成できる。
• テンプレート駆動型NLGは、同僚の名前、研究トピック、偽のファイル共有リンクなどのデータを文脈に即したテンプレートに埋め込むことで、説得力のあるフィッシングメッセージを生成できる。
• 高度なNLG技術は、学術的業績の傾向のような複雑なデータを自然言語に要約でき、フィッシングメールの信ぴょう性を高め、検知を困難にする。
• 個人の実績（例：上昇するhインデックス）や共有された関心（例：音楽ジャンル）を含むフィッシングメールは、ユーザーの関与確率および資格情報の盗難確率を顕著に高める。
• NLGと公開ソース（例：Google Scholar）からのデータマイニングを統合することで、自動的かつ静かで、一般の大量フィッシングよりも効果的な攻撃が可能になる。
• 従来のベイジアンスパムフィルタは、生成コンテンツの自然言語の質と文脈的関連性の高さのため、これらの攻撃を検出できなくなる可能性がある。