機械学習を用いた巧妙なフィッシングメールの識別方法の検討

• Item type: SIG Technical Reports(1)
• 公開日: 2018-09-20
• タイトル: 機械学習を用いた巧妙なフィッシングメールの識別方法の検討
• タイトル / 言語: en
• タイトル: Consideration of a clever phishing mail identification method using machine learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 学生セッション
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京電機大学
• 著者所属: 東京電機大学
• 著者所属(英): en
• 著者所属(英): Tokyo Denki University
• 著者所属(英): en
• 著者所属(英): Tokyo Denki University
• 著者名: 髙橋, 昌士; 猪俣, 敦夫
• 著者名(英): Masashi, Takahashi; Atsuo, Inomata
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: フィッシングメールによる機密情報の搾取は非常に多くの人にとって驚異である．現在の主な対策は自然言語処理フィルタやファイルのハッシュ情報を活用したスパムフィルタリングを行っているが，検知精度はフィルタリングを提供する側の知見に依存する．そこで今回は巧妙なフィッシングメールをメールのヘッダ情報を特徴にして，機械学習のロジスティック回帰のアルゴリズムで識別することを検討した．取り組みの結果としては 3031 通のサンプルに対し約 70% の確立で識別することができた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The exploitation of confidential information by phishing e-mail is threat for a large number of people. The current main method is spam filtering utilizing natural language processing filter and file hash information, but detection accuracy depends on knowledge of the provider. So we consider classification method phishing e-mails using mail header information by logistic regression algorithm of machine learning. As a result, we were able to identify 3031 samples by about 70% establishment.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12628305
• 書誌情報: 研究報告セキュリティ心理学とトラスト（SPT）; 巻 2018-SPT-30, 号 13, p. 1-6, 発行日 2018-09-20
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8671
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会