[논문 리뷰] Community Targeted Phishing: A Middle Ground Between Massive and Spear Phishing through Natural Language Generation

Alberto Giaretta, Nicola Dragoni|arXiv (Cornell University)|2017. 08. 24.

Spam and Phishing Detection참고 문헌 8인용 수 4

한 줄 요약

이 논문은 자연어 생성(NLG)을 활용해 전체 공동체를 대상으로 기계에 맞춤화된 이메일을 생성하는 새로운 피싱 기법인 커뮤니티 타겟팅 피싱(CTP)을 소개한다. 이는 대규모 피싱과 고도로 수작업이 필요한 스피어 피싱 사이의 격차를 메운다. 템플릿 기반 및 고급 NLG 기법을 활용해 공격자는 스케일링 가능한 신뢰성 있는 개인화된 메시지를 생성할 수 있으며, 이는 위장 효과를 높이고 수동 작업을 줄인다.

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.

연구 동기 및 목표

• 자연어 생성(NLG)을 활용해 확장성과 개인화를 동시에 구현하는 새로운 피싱 패러다임인 커뮤니티 타겟팅 피싱(CTP)을 제안하는 것.
• 템플릿 기반 NLG가 연구원이나 동료와 같은 공동체 특화 역할에 맞게 맞춤화된 설득력 있는 피싱 이메일을 생성할 수 있음을 보여주는 것.
• 고급 NLG 기법이 은폐된 데이터(예: h-index 추세)를 추출하고 요약하여 피싱의 신뢰성을 높일 수 있는 잠재력을 탐색하는 것.
• 기존 스팸 필터가 일반적이거나 명백히 악성인 콘텐츠를 대상으로 설계되어 있음에도 불구하고, 자동화되고 맥락 인식 가능한 피싱 캠페인이 이를 우회할 수 있는 잠재적 위협에 대한 경각심을 일깨우는 것.
• 미래의 NLG 기반 피싱 탐지 및 완화를 위한 연구 기반을 마련하는 것.

제안 방법

• 공동체 특화 데이터(예: 이름, 주제, 위조된 링크 등)를 사용해 사전 정의된 템플릿에 채워 넣는 템플릿 기반 NLG를 활용해 피싱 이메일을 생성한다.
• Google Scholar나 공유 문서 플랫폼과 같은 소스에서 데이터를 취합해 동적으로 템플릿을 채우는 워크플로우를 적용한다.
• 복잡하고 이질적인 데이터(예: 학술 성과 추세)를 자연어로 요약하여 사회공학적 공격에 활용하기 위해 고급 NLG를 적용한다.
• 신뢰할 수 있는 커뮤니케이션 맥락(예: 동료 검토 또는 이벤트 초대장)을 모방한 피싱 이메일을 설계해 신뢰성과 현실감을 높인다.
• 사용자 상호작용 이후 자격 정보를 수집하기 위해 위조된 로그인 페이지(예: Google 또는 소셜 미디어를 모방)를 생성한다.
• 자연어의 일관성과 맥락적 관련성을 활용해 의심을 줄이고 성공률을 높인다.

실험 결과

연구 질문

• RQ1 어떻게 NLG 기법을 활용해 특정 공동체에 대해 확장성과 맥락 기반 개인화가 동시에 가능한 피싱 이메일을 생성할 수 있는가?
• RQ2 템플릿 기반 NLG가 얼마나 유력한 정식 내부 커뮤니케이션을 모방한 신뢰할 만한 피싱 메시지를 생성할 수 있는가?
• RQ3 고급 NLG 기법을 통해 은폐된 행동 또는 성과 데이터(예: h-index 추세)를 추출하고 요약하여 피싱의 신뢰성을 높일 수 있는가?
• RQ4 어떻게 이러한 NLG 기반 피싱 캠페인이 일반적이거나 명백히 악성인 콘텐츠를 대상으로 설계된 기존 스팸 필터를 우회할 수 있는가?
• RQ5 자연어 생성을 활용해 고가치 공동체(예: 학술 또는 전문 네트워크)에서 사회공학을 대규모로 자동화할 경우의 영향은 무엇인가?

주요 결과

• 커뮤니티 타겟팅 피싱(CTP)은 NLG를 활용해 최소한의 수동 작업으로 대규모의 매우 개인화된 피싱 이메일을 생성할 수 있으며, 전체 공동체를 대상으로 공격할 수 있다.
• 템플릿 기반 NLG는 동료 이름, 연구 주제, 위조된 파일 공유 링크 등의 데이터를 맥락 특화 템플릿에 채워 넣음으로써 설득력 있는 피싱 메시지를 생성할 수 있다.
• 고급 NLG 기법은 학술 성과 추세와 같은 복잡한 데이터를 자연어로 요약하여 피싱 이메일의 신뢰성을 높이고 탐지하기 어렵게 만들 수 있다.
• 개인적 성취(예: 상승하는 h-index)나 공통 관심사(예: 음악 장르)를 언급한 피싱 이메일은 사용자 참여도와 자격 정보 유출 확률을 크게 높인다.
• 공개 소스(예: Google Scholar)에서의 데이터 마이닝과 NLG의 통합은 일반적인 대량 피싱보다 효과가 높은 자동화되고 은밀한 공격을 가능하게 한다.
• 기존 베이지안 스팸 필터는 생성된 콘텐츠의 자연어 품질과 맥락적 관련성 덕분에 이러한 공격을 탐지하기 어려워할 수 있다.