MADONNA: 特徴量と機械学習モデルを最適化したブラウザベース悪性ドメイン検知の構成

• Item type: Symposium(1)
• 公開日: 2023-10-23
• タイトル: MADONNA: 特徴量と機械学習モデルを最適化したブラウザベース悪性ドメイン検知の構成
• タイトル / 言語: en
• タイトル: A Note on Browser-Based Malicious Domain Detection with Optimizations of Features and Neural Networks
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 悪性ドメイン検知, 特徴量分析, ニューラルネットワーク, ブラウザベースアプリケーション
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: ロベルト・ゴードン大学
• 著者所属: ロベルト・ゴードン大学
• 著者所属: 大阪大学
• 著者所属: 大阪大学
• 著者所属: ロベルト・ゴードン大学
• 著者所属(英): en
• 著者所属(英): Robert Gordon University
• 著者所属(英): en
• 著者所属(英): Robert Gordon University
• 著者所属(英): en
• 著者所属(英): Osaka University
• 著者所属(英): en
• 著者所属(英): Osaka University
• 著者所属(英): en
• 著者所属(英): Robert Gordon University
• 著者名: セナナヤケ, ジャナカ; ラジャパクサ, サンパス; 矢内, 直人; 小宮, 千佳; カルタラージュ, ハルシャ
• 著者名(英): Janaka, Senanayake; Sampath, Rajapaksha; Naoto, Yanai; Chika, Komiya; Harsha, Kalutarage
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 悪性ドメインの検出は機械学習に基づいており，特に近年ではブラウザ上で高いスループットを持つ検知技術が提案されている．しかし，既存手法は精度に限りがある．本稿では，既存手法と比べてスループットを落とすことなく，より高い精度を持つブラウザベース悪性ドメイン検知手法MADONNAを提案する．技術的な貢献は，特徴量の相関分析により最適な特徴量を選定したこと，および独自のアーキテクチャである浅層ニューラル・ネットワーク（SNN）を導入し，そのパラメータの枝刈りと量子化を行うことで，スループットと精度両方を改善したことである．MADONNA のGoogle Chrome 拡張機能を実装し実験評価したところ，既存研究と比べて精度を6ポイント，スループットを0.87秒改善できた．MADONNA の実装はGitHub で公開している (https://github.com/softwaresec-labs/MADONNA).
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The detection of malicious domains often relies on machine learning and browser-based detection tools for malicious domains with high throughput have been proposed in recent years. However, the accuracy of the existing tools is limited. In this paper, we present MADONNA, a novel browser-based tool for malicious domain detection that outperforms the current state-of-the-art in both accuracy and throughput. Our technical contributions include optimized feature selection through feature correlation analysis and introduce a new architecture named Shallow Neural Networks (SNN), including pruning and quantization as model optimizations. We develop a browser extension of MADONNA and then conduct extensive experiments to compare the performance with the existing work.; We then show that MADONNA provides six points higher accuracy and 0.87 seconds faster throughput than the existing work. MADONNA is publicly available via GitHub (https://github.com/softwaresec-labs/MADONNA).
• 書誌情報: コンピュータセキュリティシンポジウム2023論文集; p. 893-900, 発行日 2023-10-23
• 出版者 / 言語: ja
• 出版者: 情報処理学会