Análisis y Diseño de un Modelo Predictivo para Detección de Phishing Basado en Url y Corpus del Correo Electrónico
##plugins.themes.bootstrap3.article.main##
Dolores Fernanda Albán Toapanta
Roberto Omar Andrade Paredes
Resumen
Uno de los delitos cibernéticos más reportados a nivel mundial es el phishing. En la actualidad se están desarrollando diversos sistemas anti-phishing (APS) para identificar este tipo de ataque en sistemas de comunicación en tiempo real. A pesar de los esfuerzos de las organizaciones, este ataque continúa creciendo, teniendo como causas: la detección errónea en el ataque de día cero, el alto costo computacional y las tasas altas de falsificación. Aunque el enfoque de Machine Learning (ML) ha logrado una tasa de precisión favorable, se debe considerar que la elección y el rendimiento del vector de características es un punto clave para obtener un nivel de precisión adecuado. En este trabajo, se propone un modelo predictivo basado en ML y en el análisis de la eficiencia de algunos esquemas anti-phishing que sirvieron para entender esta temática. El modelo propuesto consta de un módulo de selección de características que se utiliza para la construcción del vector final. Estas características se extraen de la URL, las propiedades de la página web y del corpus de correo electrónico. El sistema utiliza los modelos de clasificación, Random Forest (RF) y Naïve Bayes (NB), que han sido entrenados en el vector de características. Los experimentos se basaron en Dataset compuestas por instancias de phishing y benignas. Mediante el uso de la validación cruzada, los resultados experimentales indican una precisión del 97,5% para los dataset utilizados, mientras que para el abordaje de esta investigación a nivel local se obtuvo una precisión del 96,5%.
Descargas
Descargas
Detalles del artículo
Citas
Aburrous, M., Hossain, M., Dahal, K. and Thabtah, F. (2010). Experimental case studies for investigating e-banking phishing techniques and attack strategies Cognit. Comput. (2), 242–253 https://doi.org/10.1007/s12559-010-9042-7
Adebowale, M., Lwin, K., Sanchez, E. and Hossain, M. (2018). Intelligent Web-Phishing Detection and Protection Scheme using integrated Features of Images, Frames and Text. Expert System with Applications. (115), 300-313 https://doi.org/10.1016/j.eswa.2018.07.067
Amat Rodrigo, Joaquín. (2020). Análisis de texto (text mining) con Python, cienciadedatos.net. Obtenido de: https://www.cienciadedatos.net/. (Diciembre, 2020).
Anwar, T., Abu-Kresha, M. and Bakry A. (2017). An efficient method for web page classification based on text. International J. Eng. Comput. Sci.
Barraclough, P. & Sexton, G. (2015). Phishing website detection fuzzy system modelling, IEEE, London, UK, 1384-1386, 10.1109/SAI.2015.7237323.
Breiman, L. (2001). Random Forests. Machine Learning SpringerLink, 45, 5–32, https://doi.org/10.1023/A:1010933404324
Calva Yaguana, Karen Priscilla. (2020). Modelo de predicción del rendimiento académico para el curso de nivelación de la Escuela Politécnica Nacional a partir de un modelo de aprendizaje supervisado automatizado en R. [Tesis de pregrado, Escuela Politécnica Nacional]. Repositorio institucional de la Escuela Politécnica Nacional. https://bibdigital.epn.edu.ec/
Chin, T., Xiong, K. and Hu, C. (2015). PhishLimiter: A Phishing Detection and Mitigation Approach using Software- Defined Networking, IEEE Access, 6, 42516-42531, 10.1109/ACCESS.2018.2837889
Cortina, V. G. (2015). Aplicación de la metodología CRISP-DM a un proyecto de minería de datos en el entorno universitario. [Universidad Carlos III de Madrid]. Departamento de Informática.
Creswell. (2015). Educational research. Planning, conducting and evaluating quantitative and qualitative research. USA.
Dhanalakshmi, R. & Chellappan, C. (2013). Detecting Malicious URLs in E-mails- An Implementation. AASRI Procedia, 4, 125-131, https://doi.org/10.1016/j.aasri.2013.10.020
Gansterer, W.N. & Polz, D. (2009). E-mail classification for phishing defense, in Advances in Information Retrieval. Heidelberg: Springer Berlin Heidelberg, 449–460.
Gironés Roig, J., Casas Roma, J., Minguillón Alfonso, J., Caihuelas Quiles, R. (2020). Minería de datos Modelos y algoritmos, Editorial UOC.
Gowtham, R., Gupta, J. and Gamya, P.G. (2017). Identification of phishing web pages and their target domains by analyzing the feign relationship J. Informat. Secur. Appl, 35, 75-84
Gowtham,R. & Krishnamurthi, I. (2014). PhishTackle-a web services architecture for anti-phishing Cluster Compt, 17, 1051–1068. https://doi.org/10.1007/s10586-013-0320-5
Gupta, B.B., Tewari, A., Jain, A.K. and Agrawal, P. (2017). Fighting against phishing attacks: state of the art and future challenges. Neural Comput. Applic, 28, 3629–3654 https://doi.org/10.1007/s00521-016-2275-y
Hastie, T., Tibshirani, R. and Friedman, J. (2017). The elements of statistical learning: data mining, inference, and prediction. New York: Springer.
Hota, H.S., Shrivas, A.K. and Hota, R. (2018). An ensemble model for detecting phishing attack with proposed removereplace feature selection technique Procedia Comput. Sci, 132, 900-907, 10.1016/j.procs.2018.05.103
Isa, D., Lee, L., Kallimani, V. and Rajkumar, R. (2016). Text document pre-processing using bayes formula for classification based on the vector space model Comput. Informat. Sci. J, 1 (4), 79-90.
Jain, AK & Gupta, BB. (2016). A novel approach to protect against phishing attacks at client side using auto-updated. EURASIP Journal on Information Security(1), 1-11.
Kittler, J., Hatef, M. and Duin, R.P.W. (1998). On Combining Classifiers. Transactions on pattern analysis and machine intelligence. IEEE, 20.
Khonji, M., Iraqi, Y. and Jones, A. (2013). Phishing Detection: A Literature Survey. IEEE Communications Surveys & Tutorials, 15(4), 2091-2121.
Kuncheva, L. (2004). Combining Pattern Classifiers. Methods and algorithms. John Wiley & Sons, New Jersey.
Martínez, M. B. (2018). Minería de Datos. web: http://bbeltran.cs.buap.mx/NotasMD.pdf.
Moghimi, M. & Varjani, A.Y. (2016). New rule-based phishing detection method Expert systems with applications, 53, 231-242. Monkey.org. (2020). Data de correos electrónicos Monkey.org. Web de Monkey.org: https://monkey.org/ jose/phishing/; (2020)
CSO Online report on phishing activities. Accessed 2016 http://www.csoonline.com/articles
Orunsolu, A.A., Afolabi, O., Sodiya, A.S. and Akinwale, A.T. (2019). A Users’ Awareness Study and Influence of Socio-Demography Perception of Anti-Phishing Security Tips. Acta Informatica Pragensia, 7(2), 138-151.
Pedregosa. (2011). Scikit-learn: Machine Learning in Python JMLR 12, 2825-2830
Phishtank dataset. (2021). http://www.phishtank.com. (2021).
Qabajeh, I., Thabtah, F. and Chiclana, F. (2018). A recent review of conventional vs. automated cybersecurity antiphishing techniques Computer Science Review, 29, 44-55.
Rosero Gomezcoello, Johanna Mishell. (2020). Detección y mitigación de ataques de ingeniería social tipo Phishing utilizando minería de datos [Tesis de pregrado, Escuela Superior Politécnica del Ejercito]. Repositorio institucional de la Escuela Superior Politécnica del Ejercito. http://repositorio.espe.edu.ec/
Segal, M. (2004). Machine learning benchmarks and random forest regression [Tesis, University of California].
Shabtai, A., Kanonov, U., Elovici, Y., Glezer, C. and Weiss, Y. (2016). Andromaly: a behavioural malware detection framework for android devices. Journal of Intelligent Information Systems, 38(1), 161-190.
Sonowal, G. & Kuppusamy, K.S. (2020). PhiDMA- A phishing detection model with a multi-filter approach Journal of King Saud University-Computer and Information Sciences, 32(1), 99-112.
Sonowal, G. & Kuppusamy, K.S. (2018). MMSPhiD: A Phoneme based Phishing Verification Model for Persons with Visual Impairments. Information and Computer Security Journal.
Tan, C. L., Chiew, K. L. and Sze, S. N. (2017). Phishing Webpage Detection UsingWeighted URL Tokens for Identity Keywords Retrieval. In 9th International Conference on Robotic, Vision, Signal Processing and Power Applications (pp. 133-139). Springer, Singapore.
Moghimi, M. and Varjani, A.Y. (2016). New rule-based phishing detection method.Expert Systems with Applications, (pp. 231-242), https://doi.org/10.1016/j.eswa.2016.01.028.
William, W. and Cohen, MLD.CMU. (2019). Base de datos de correos electrónicos de Enron. Web de https://www.cs.cmu.edu/ ./enron/. Zhao, J.,Wang, N., Ma, Q. and Cheng, Z. (2019). Classifying Malicious URLs Using Gated Recurrent Neural Networks. Springer, Cham, 385–394.
Zouina, M. & Outtaj, B. (2017). A novel lightweight URL phishing detection system using SVM and similarity index Human-centric Computing and Information Sciences, 7(1), 1-13.
Barra lateral del artículo
Barra lateral del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.