Phishpedia: A Hybrid Deep Learning Based Approach to Visually Identify Phishing Webpages
使用機器學習方法，利用螢屏截圖，檢測釣魚網站，
過去的方法，要么是準確率低，要么是缺乏解釋性，該方法在準確率的同時提供了解釋性，并且不需要大量的釣魚網站作為訓練集，
檢測分為兩步：識別UI組件 + 識別商標brand，識別UI組件第一個是基于HTML，第二個是基于和目標網站的對比，但識別商標是個很麻煩的事，作者認為只需要關注top 100的網站的商標即可，經驗研究表明大部分攻擊者會選擇知名網站來進行高仿，
此外，提供了一個公開的釣魚網站資料集，
個人認為，因為前人更多關注的是整個截圖的相似性，只考慮了圖片本身，忽略了其他資訊，本文引入了對UI組件本身的check，并且單獨分離出了商標作為特征，因而取得了改進效果，但存疑的兩個地方是，第一個是只選擇商標的一個很小的子集，是否真能起到很好的效果；第二個是仍然需要不小的訓練集， 只不過訓練集從釣魚網站本身變成了商標啥的，相當于玩了一個文字游戲，讓人以為是無監督（或者半監督）方法，
A Large-Scale Interview Study on Information Security in and Attacks against Small and Medium-sized Enterprises
很少見的經驗研究，以調查形式開展，主要是回答了幾個關于中小微企業安全現狀的問題，得到了一些結論，
- 公司員工往往感覺不到自己被攻擊，換言之，風險意識較低，
- 公司的安全措施往往就是防火墻、殺毒軟體等等外部防護，內部的安全措施較少，
- 公司一般會受到那種大范圍（不是針對特定目標特化的）的攻擊，如DDoS，
- 不同行業受到的攻擊不同，如能源行業易受CEO欺詐，通信行業易受DDoS，
其中關于經驗研究的方法很有意思，定量和定性分析都有用到，是一個很正規的調查，
Understanding Malicious Cross-library Data Harvesting on Android
PolyScope: Multi-Policy Access Control Analysis to Compute Authorized Attack Operations in Android Systems
缺乏足夠的領域知識，暫時擱置這兩篇移動安全相關的文章，
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/290117.html
標籤：其他
上一篇：06 C語言檔案加解密
下一篇：android 組態檔的使用