[論文レビュー] Semi-supervised Conditional GAN for Simultaneous Generation and Detection of Phishing URLs: A Game theoretic Perspective

Sharif Amit Kamran, Shamik Sengupta+1 more|arXiv (Cornell University)|Aug 4, 2021

Spam and Phishing Detection被引用数 5

ひとこと要約

本稿では、ゲーム理論的訓練戦略を用いて、同時に悪意あるフィッシングURLの生成と悪意あるURLの検出を実行する半教師あり条件付きGANを提案する。モデルは、フィッシング検出で95.52%の精度、悪意ある例の検出で87.45%の精度を達成し、URL1件あたり0.64 msのリアルタイム推論を実現した。

ABSTRACT

Spear Phishing is a type of cyber-attack where the attacker sends hyperlinks through email on well-researched targets. The objective is to obtain sensitive information by imitating oneself as a trustworthy website. In recent times, deep learning has become the standard for defending against such attacks. However, these architectures were designed with only defense in mind. Moreover, the attacker's perspective and motivation are absent while creating such models. To address this, we need a game-theoretic approach to understand the perspective of the attacker (Hacker) and the defender (Phishing URL detector). We propose a Conditional Generative Adversarial Network with novel training strategy for real-time phishing URL detection. Additionally, we train our architecture in a semi-supervised manner to distinguish between adversarial and real examples, along with detecting malicious and benign URLs. We also design two games between the attacker and defender in training and deployment settings by utilizing the game-theoretic perspective. Our experiments confirm that the proposed architecture surpasses recent state-of-the-art architectures for phishing URLs detection.

研究の動機と目的

• 攻撃者視点の欠如を是正するため、攻撃者と防御者との間でゲーム理論的推論を統合する。
• 一元化されたフレームワークを構築し、悪意あるフィッシングURLの生成と悪意あるURLの検出を同時に実行することで、ゼロデイ攻撃に対する耐性を向上させる。
• 従来のブラックリスト/ホワイトリストおよび特徴ベースのモデルの限界を克服するため、悪意ある訓練を伴う文字レベルのディープラーニングを活用する。
• 軽量なアーキテクチャと効率的な推論（URL1件あたり0.64 ms）により、クライアントおよびサーバー側の監視におけるリアルタイム展開を可能にする。
• 半教師あり学習と統合的ディスクラミネータ-ジェネレータのファインチューニングにより、実データと合成された悪意ある例の両方で学習することで、モデルの耐性を強化する。

提案手法

• 実際の良性または悪意あるURL、ノイズベクトル、クラスラベルを入力として受け取り、悪意あるURLを合成するジェネレータを備えた条件付きGANを提案する。
• 新規の3段階訓練戦略を設計：まずディスクラミネータを事前学習し、次に再構成損失を用いてジェネレータをファインチューニングし、最後に重み付き総損失を用いて両ネットワークを統合的にファインチューニングする。
• ラベル付きの実URLとラベルなしデータの両方を用いた半教師あり学習を活用し、一般化性能と悪意ある例検出性能を向上させる。
• ゲーム理論的訓練ゲームを統合：訓練中は疑似攻撃者（ジェネレータ）とディスクラミネータの間のゲームを、運用時には実際のハッカーと防御者との間のゲームを実施する。
• 再構成損失（ℒrec）、MSE、SSIM、NRMSEを含む複数の損失関数を適用し、実URLと生成URLの間の構造的および意味的類似性を保証する。
• ディスクラミネータを最適化し、実例および悪意ある例の両方を検出可能にし、悪意ある入力に対して100%の特異度と74.9%の再現率（感度）を達成した。

実験結果

リサーチクエスチョン

• RQ1 条件付きGANを半教師あり学習で効果的に訓練可能か。実際の悪意あるフィッシングURLを生成しつつ、悪意あるURLを検出できるか。
• RQ2 攻撃者と防御者の間でゲーム理論的視点を統合することで、フィッシング検出モデルの耐性と一般化性能がどのように向上するか。
• RQ3 提案手法が、良性および悪意あるURLの両方を検出する点で、既存の最先端アーキテクチャをどの程度上回るか。
• RQ4 生成された悪意ある例の検出において、ディスクラミネータの効果は、50/50の実例-悪意ある例のテスト分割においてどの程度高いか。
• RQ5 クライアントまたはサーバー環境におけるリアルタイム展開を維持できるか。推論速度と遅延はどの程度低いか。

主な発見

• 提案手法は、良性／悪意あるフィッシングURL分類において95.52%の精度、96.00%の感度、AUC 0.9552を達成し、比較対象のSOTAモデルをすべて上回った。
• ジェネレータは、98.33%のSSIMスコア、0.000579のMSE、0.19708のNRMSEを達成し、実URLと高い構造的類似性を示した。
• ディスクラミネータは、悪意ある例を87.45%の精度、74.9%の感度（再現率）、完璧な100%の特異度で検出でき、高い耐性を示した。
• 1回の推論あたり0.64 msでURLを処理でき、1秒間に1,500件以上のURLをリアルタイムで処理可能だった。
• パラメータ数がたった81,000の軽量なアーキテクチャであり、リソース制限のある環境への展開に適していた。
• パラメータ数が少ないにもかかわらず、DC-GANベースやハイブリッドCNN-LSTMモデル（例：[24]）を著しく上回った。これは、優れた効率性と一般化性能を示している。