[論文レビュー] Detecting Malicious URLs of COVID-19 Pandemic using ML technologies

Jamil Ispahany, Rafiqul Islam|arXiv (Cornell University)|Sep 19, 2020

Spam and Phishing Detection参考文献 17被引用数 4

ひとこと要約

本論文は、事前処理済みのオープンソースデータと特徴工学、特にエントロピー計算を活用して、新型コロナウイルスパンデミックに関連する悪意あるURLを検出する機械学習ベースのアプローチを提案する。懸念を伴う悪意ある脅威重みを組み込むことで、検出精度が向上し、パンデミック関連のサイバー脅威に対する早期対応の可能性が顕著である。

ABSTRACT

Throughout the COVID-19 outbreak, malicious attacks have become more pervasive and damaging than ever. Malicious intruders have been responsible for most cybercrimes committed recently and are the cause for a growing number of cyber threats, including identity and IP thefts, financial crimes, and cyber-attacks to critical infrastructures. Machine learning (ML) has proven itself as a prominent field of study over the past decade by solving many highly complex and sophisticated real-world problems. This paper proposes an ML-based classification technique to detect the growing number of malicious URLs, due to the COVID-19 pandemic, which is currently considered a threat to IT users. We have used a large volume of Open Source data and preprocessed it using our developed tool to generate feature vectors and we trained the ML model using the apprehensive malicious threat weight. Our ML model has been tested, with and without entropy to forecast the threatening factors of COVID-19 URLs. The empirical evidence proves our methods to be a promising mechanism to mitigate COVID-19 related threats early in the attack lifecycle.

研究の動機と目的

• 新型コロナウイルスパンデミックを悪用したサイバー攻撃の増加に対処するため、悪意あるURLに関連する攻撃を検出する。
• パンデミック関連の悪意あるURLと良性URLを区別できる機械学習モデルの開発。
• エントロピーと新規の懸念を伴う悪意ある脅威重みを特徴表現に統合することで、検出精度の向上。
• オブスクリューション技術への感受性を評価するため、エントロピーを含む・含まない状況でモデルの性能を評価。
• パンデミック関連のサイバー脅威の早期検出に向けたスケーラブルでデータ駆動型のソリューションの提供。

提案手法

• 著者らは、独自に開発したツールを用いて、多数のオープンソースデータを収集・前処理し、URLの特徴を抽出した。
• URLの構造的および統計的特性（文字頻度、長さ、特殊文字など）に基づいて特徴ベクトルを生成した。
• ランダムネスの尺度としてエントロピーを計算し、隠ぺいまたは疑わしいURLを特定した。
• 高リスクパターンを優先するため、懸念を伴う悪意ある脅威重みを用いて機械学習モデルを訓練した。
• オブスクリューション技術への感受性を評価するため、エントロピーを含む・含まない状況でモデルを評価した。
• 前処理、特徴抽出、教師あり学習を統合した分類パイプラインを用いて、悪意あるURLを検出した。

実験結果

リサーチクエスチョン

• RQ1 機械学習モデルは、新型コロナウイルスパンデミック関連の悪意あるURLをどの程度効果的に検出できるか？
• RQ2 エントロピーを組み込むことで、オブスクリューションされた悪意あるURLの検出がどの程度向上するか？
• RQ3 懸念を伴う悪意ある脅威重みは、高リスクURLパターンの同定においてモデル性能をどの程度向上させるか？
• RQ4 エントロピーを含む・含まない状況での、モデルのパンデミック関連悪意あるURL分類における比較的性能は？
• RQ5 提案手法は、サイバー攻撃の初期段階において悪意あるURLの早期検出を可能にするか？

主な発見

• 提案された機械学習モデルは、新型コロナウイルスパンデミック関連の悪意あるURLに対して、検出精度が向上した。
• エントロピーを組み込むことで、オブスクリューションされたまたは疑わしいURLの検出能力が顕著に向上した。
• 懸念を伴う悪意ある脅威重みは、高リスクURLパターンの優先順位付けを改善した。
• モデルは強固な実証的性能を示し、パンデミック関連サイバー脅威の早期対策の可能性を示した。
• エントロピーと脅威重みを用いた特徴工学により、検出の信頼性が向上することが示唆された。
• この手法はスケーラブルであり、リアルタイムセキュリティシステムへの統合の可能性を示している。