大規模言語モデルを用いたフィッシングサイト検出

• Item type: Symposium(1)
• 公開日: 2024-10-15
• タイトル / 言語: ja
• タイトル: 大規模言語モデルを用いたフィッシングサイト検出
• タイトル / 言語: en
• タイトル: Leveraging Large Language Models for Phishing Site Detection
• 言語: jpn
• 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: NTTセキュリティホールディングス株式会社
• 著者所属: NTTセキュリティホールディングス株式会社
• 著者所属: NTTセキュリティホールディングス株式会社
• 著者所属(英): en
• 著者所属(英): NTT Security Holdings
• 著者所属(英): en
• 著者所属(英): NTT Security Holdings
• 著者所属(英): en
• 著者所属(英): NTT Security Holdings
• 著者名: 小出, 駿; 中野, 弘樹; 千葉, 大紀
• 著者名(英): Takashi, Koide; Hiroki, Nakano; Daiki, Chiba
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 大規模言語モデル（LLM）が多様な分野に広範な影響を及ぼす中，悪意のあるWebコンテンツ，特にフィッシングサイトの検出におけるLLMの有効性については明らかにされていない．; 本研究では，LLMを活用したフィッシングサイト検出システムChatPhishDetectorを提案する．提案システムは，Webサイトの自動巡回により収集した情報にもとづいて検出用プロンプトを生成し，LLMの応答から悪性判定結果を抽出する．Webサイト全体のコンテキストを考慮することで，偽装されたブランドやソーシャルエンジニアリング技術を識別し，多言語のフィッシングサイト検出を可能にする．独自に作成したデータセットを用いた実験において，GPT-4Vは99.2%の検出精度を達成し，他のLLMや従来の検出システムを上回る性能を示した．これらの結果は，脅威インテリジェンスの生成を自動化し，フィッシング攻撃からユーザを保護するためのLLMの潜在的有用性を実証するものである．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: While large language models (LLMs) have demonstrated broad impact in various domains, their effectiveness in detecting malicious web content, especially phishing sites, remains largely unexplored. In this study, we propose ChatPhishDetector, an LLM-based system designed for phishing site detection. Our proposed system automatically crawls websites, generates prompts based on collected information, and extracts detection results from LLM responses. By considering the entire context of websites, ChatPhishDetector can identify disguised brands and social engineering techniques, enabling multilingual phishing site detection. Experimental results using GPT-4V achieved a remarkable 99.2% detection accuracy, outperforming other LLMs and conventional detection systems. These results underscore the potential utility of LLMs in automating threat intelligence generation and protecting users from phishing attacks.
• 書誌情報: コンピュータセキュリティシンポジウム2024論文集; p. 1537-1544, 発行日 2024-10-15
• 出版者 / 言語: ja
• 出版者: 情報処理学会