ログイン 新規登録
言語:

WEKO3

  • トップ
  • ランキング
To
lat lon distance
To

Field does not validate



インデックスリンク

インデックスツリー

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. シンポジウム
  2. シンポジウムシリーズ
  3. コンピュータセキュリティシンポジウム
  4. 2012

悪性Webサイト探索のための優先巡回順序の選定法

https://ipsj.ixsq.nii.ac.jp/records/86742
https://ipsj.ixsq.nii.ac.jp/records/86742
1e8bfbf5-1d7f-48ff-9290-4ab84cb3cf0a
名前 / ファイル ライセンス アクション
IPSJCSS2012107.pdf IPSJCSS2012107.pdf (470.7 kB)
Copyright (c) 2012 by the Information Processing Society of Japan
オープンアクセス
Item type Symposium(1)
公開日 2012-10-23
タイトル
タイトル 悪性Webサイト探索のための優先巡回順序の選定法
タイトル
言語 en
タイトル Deciding priority crawling in searching for malicious websites
言語
言語 jpn
キーワード
主題Scheme Other
主題 Webセキュリティ,Drive-by-download,クライアント型ハニーポット,機械学習
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
早稲田大学 基幹理工学研究科 情報理工学専攻
著者所属
NTTネットワーク基盤技術研究所
著者所属
早稲田大学 基幹理工学研究科 情報理工学専攻
著者所属(英)
en
Graduate School of Fundamental Science and Engineering, Waseda University
著者所属(英)
en
NTT Network Technology Laboratories
著者所属(英)
en
Graduate School of Fundamental Science and Engineering, Waseda University
著者名 千葉, 大紀 森, 達哉 後藤, 滋樹

× 千葉, 大紀 森, 達哉 後藤, 滋樹

千葉, 大紀
森, 達哉
後藤, 滋樹

Search repository
著者名(英) Daiki, Chiba Tatsuya, Mori Shigeki, Goto

× Daiki, Chiba Tatsuya, Mori Shigeki, Goto

en Daiki, Chiba
Tatsuya, Mori
Shigeki, Goto

Search repository
論文抄録
内容記述タイプ Other
内容記述 Webブラウザを攻撃対象とする悪性サイトが増加している.この脅威に対し,Webサイトを巡回し,悪性サイトを発見するクライアント型ハニーポット技術が研究開発され,攻撃情報が収集されている.しかし,ハニーポットで網羅的に巡回するには多大なリソースを必要とするため,より効率的にWebサイトを巡回するべきである.そこで本研究では,悪性サイトのIPアドレス,WHOIS,FQDN文字列の情報から統計的特徴ベクトルを作成し,教師あり機械学習を適用することで,最適な巡回リストを生成する技術を提案する.実データを用いた評価の結果,提案手法はより多くの悪性サイトを含む巡回リストを生成可能であることがわかった.
論文抄録(英)
内容記述タイプ Other
内容記述 Malicious websites that attack web browsers have become one of the most serious threats. To collect attack information for protective use, client honeypots have been developed. However, the attack information that can be collected by a honeypot is limited. This paper proposes a new method for collecting attacks more effectively. Our method makes use of IP addresses, domain names, and FQDN strings and it constructs a statistical feature vector. We apply a supervised machine learning to generate a URL list with crawling priority. We validate that our new method can generate an effective URL list for client honeypots.
書誌情報 コンピュータセキュリティシンポジウム2012論文集

巻 2012, 号 3, p. 805-812, 発行日 2012-10-23
出版者
言語 ja
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2025-01-21 17:38:06.357713
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3