機械学習による悪質サイトの多クラス分類

• Item type: SIG Technical Reports(1)
• 公開日: 2024-03-11
• タイトル: 機械学習による悪質サイトの多クラス分類
• タイトル / 言語: en
• タイトル: Multi-class classification of malicious websites using machine learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 機械学習
• 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: 千葉県警察本部生活安全部サイバー犯罪対策課／情報セキュリティ大学院大学
• 著者所属: 情報セキュリティ大学院大学
• 著者所属: トレンドマイクロ株式会社
• 著者所属: トレンドマイクロ株式会社／一般財団法人日本サイバー犯罪対策センター
• 著者所属: 情報セキュリティ大学院大学
• 著者所属(英): en
• 著者所属(英): Cybercrime Division, Community Safety Department, Chiba Prefectural Police Headquarters / Graduate School of Information Security, Institute of Information Security
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Security, Institute of Information Security
• 著者所属(英): en
• 著者所属(英): Trend Micro, Inc.
• 著者所属(英): en
• 著者所属(英): Trend Micro, Inc. / Japan Cybercrime Control Center
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Security, Institute of Information Security
• 著者名: 竹重, 耕介; 堺, 啓介; 嶋村, 誠; 松ヶ谷, 新吾; 橋本, 正樹
• 著者名(英): Kosuke, Takeshige; Keisuke, Sakai; Makoto, Shimamura; Shingo, Matsugaya; Masaki, Hashimoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，偽ショッピングサイトやフィッシングサイトを利用した金銭の詐取や，クレジットカード情報やウェブサイトのアカウント情報等の窃取等による金銭的被害が急増しており，極めて深刻な情勢である．そのため，警察等の法執行機関や民間企業においては，その未然防止等の対策が課題となっている状況である．我々はこれまでの研究において，人工知能技術を用いた偽ショッピングサイト自動検出システムを開発し，偽ショッピングサイトの URL 収集を効率化することで，その実態把握やウイルス対策ソフトによるブロッキングに活かす等，一定の成果を挙げてきた．本研究では，これまでの研究をベースに，更にフィッシングサイトの自動判別を行う機能の追加・強化を図り，偽ショッピングサイトとフィッシングサイト両方の悪質サイトを正解率 99.24% と高精度に他クラス分類して判別できる機械学習モデルを構築し，最終的にフォールスポジティブを極力ゼロとする悪質サイト判別エンジンを構築した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In recent years, the number of victims of financial damage caused by fraudulent use of fake shopping sites and phishing sites, as well as theft of credit card information and website account information, has increased rapidly, and the situation is extremely serious. Therefore, law enforcement agencies and private companies have to take countermeasures for the prevention of these crimes. In our previous research, we have developed an automatic detection system for fake shopping sites using artificial intelligence technology, and have achieved some success in identifying fake shopping sites and blocking them with antivirus software by efficiently collecting URLs of fake shopping sites. In this study, based on our previous research, we further added and enhanced a function for automatic identification of phishing sites, constructed a machine learning model that can accurately identify both fake shopping sites and phishing sites by classifying them into other classes with a high accuracy rate of 99.24%, and finally developed a system that can Finally, we constructed a malicious site discrimination engine that minimizes the number of fall positives to zero.
• 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: AN10116224
• 書誌情報: 研究報告マルチメディア通信と分散処理（DPS）; 巻 2024-DPS-198, 号 7, p. 1-8, 発行日 2024-03-11
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8906
• 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