[논문 리뷰] A Systematic Literature Review on Phishing and Anti-Phishing Techniques

Ayesha Arshad, Attique Ur Rehman외 4명|arXiv (Cornell University)|2021. 04. 02.

Spam and Phishing Detection참고 문헌 28인용 수 5

한 줄 요약

이 체계적 문헌 고찰은 80개의 필터링된 논문을 대상으로 한 엄격한 SLR 방법론을 사용하여 피싱 공격 위협과 피싱 방지 기법을 분석한다. 주요 공격 유형으로는 스피어 피싱, 이메일 스푸핑, 이메일 조작, 전화 피싱을 확인하였으며, 피싱 방지 기법 중 기계학습 기반 접근 방식이 가장 높은 검출 정확도를 보임을 확인하였다.

ABSTRACT

Phishing is the number one threat in the world of internet. Phishing attacks are from decades and with each passing year it is becoming a major problem for internet users as attackers are coming with unique and creative ideas to breach the security. In this paper, different types of phishing and anti-phishing techniques are presented. For this purpose, the Systematic Literature Review(SLR) approach is followed to critically define the proposed research questions. At first 80 articles were extracted from different repositories. These articles were then filtered out using Tollgate Approach to find out different types of phishing and anti-phishing techniques. Research study evaluated that spear phishing, Email Spoofing, Email Manipulation and phone phishing are the most commonly used phishing techniques. On the other hand, according to the SLR, machine learning approaches have the highest accuracy of preventing and detecting phishing attacks among all other anti-phishing approaches.

연구 동기 및 목표

• 최근 문헌을 종합적으로 분석하여 가장 흔한 피싱 공격 유형을 식별하고 분류하는 것.
• 특히 기계학습과 같은 신기술에 초점을 맞춰 다양한 피싱 방지 기법의 효과성을 평가하는 것.
• 피싱 탐지 및 방지 분야의 현재 연구 동향과 격차를 체계적이고 근거 기반으로 개괄하는 것.
• 체계적 문헌 고찰(SLR) 방법론을 활용해 80篇의 동료 심사 논문을 종합하여 향후 연구 방향을 안내하는 것.

제안 방법

• 다양한 학술 데이터베이스에서 확보한 80篇의 논문을 체계적으로 필터링하고 분석하기 위해 톨게이트 방법론을 따르는 체계적 문헌 고찰(SLR)을 수행하였다.
• 메타분석의 방법론적 엄밀성과 관련성을 확보하기 위해 사전 정의된 포함 및 배제 기준을 적용하였다.
• 주제 분석을 기반으로 스피어 피싱, 이메일 스푸핑, 이메일 조작, 전화 피싱 등의 유형으로 피싱 기법을 분류하였다.
• 다양한 접근 방식 간의 검출 정확도, 확장성, 구현 복잡도를 비교하여 피싱 방지 기법을 평가하였다.
• 동적인 피싱 환경에서의 높은 성능와 적응 가능성으로 인해 기계학습 기반 방법을 우선시하였다.
• 선택된 문헌의 경험적 결과에 중점을 두고, 공격 추세와 방어 전략에 대한 체계적인 개요로 통합한 결과를 도출하였다.

실험 결과

연구 질문

• RQ1 최근 문헌에서 가장 흔하게 보고된 피싱 기법의 유형은 무엇인가요?
• RQ2 다양한 피싱 방지 기법은 검출 정확도와 실용적 구현 측면에서 어떻게 비교될 수 있나요?
• RQ3 어느 피싱 방지 접근 방식이 피싱 공격의 방지 또는 탐지에서 가장 높은 성능을 보였나요?
• RQ4 문헌에서 규명된 피싱 탐지 및 완화 분야의 주요 연구 격차와 동향은 무엇인가요?
• RQ5 기계학습 기반 방법은 기존의 규칙 기반 또는 시그니처 기반 피싱 방지 기법보다 어떻게 뛰어난가요?

주요 결과

• 스피어 피싱, 이메일 스푸핑, 이메일 조작, 전화 피싱은 최근 문헌에서 가장 자주 보고되고 널리 사용되는 피싱 기법으로 확인되었다.
• 기계학습 기반 피싱 방지 기법은 규칙 기반, 히ュ리스틱, 시그니처 기반 방법에 비해 일관되게 가장 높은 검출 정확도를 보고하였다.
• 체계적 고찰을 통해 감지 정확도와 적응 가능성 덕분에 지도학습 및 앙상블 학습 모델의 사용 증가 추세를 확인하였다.
• 높은 정확도에도 불구하고 기계학습 접근 방식은 실제 구현 시 모델 일반화 능력, 데이터 부족, 대비 공격 등의 도전 과제를 겪고 있다.
• 연구 간 비교를 제한하는 바탕이 되는 평가 지표와 기준 데이터셋의 부족함이 뚜렷하게 드러났다.
• 실시간 탐지, 사용자 행동 분석, 그리고 다중 모odal 데이터(예: 이메일 본문, 메타데이터, 네트워크 트래픽)의 통합 등에 대한 향후 연구가 더욱 필요하다는 점을 강조하였다.