Jan, 2024

SecureReg: 一个综合框架，用于主动暴露恶意域名注册

PDF
TL;DR通过比较新注册的域名与已注册的域名的相似性分数，本研究引入了一种先进的方法来在注册过程开始时识别可疑域名。结合自然语言处理和多层感知器模型，该系统分析语义和数值属性，提供了早期威胁检测的强大解决方案，从而显著减少了漏洞窗口，加强了对潜在威胁的防御。研究结果证明了综合方法的有效性，并为通过早期识别可疑域名注册来减轻非法在线活动风险的持续努力做出了贡献。
发现论文，激发创造
  • 基于数据分析与机器学习的 DNS 错误拼写域名检测方法

    本文旨在解决 DNS 中的 Typosquatting 攻击问题，通过数据分析和机器学习等方法提出了一个基于多数投票的集成学习分类器，可以提高对可疑域名的检测准确性。具体而言，该分类器利用了域名长度和唯一字符的数量等特征，较少地标记了合法域名为可疑域名，有效地提升了检测效率。

    Dec, 2020

  • 基于数据驱动的恶意网站检测方法综述

    本文系统评述了针对恶意网站的数据驱动方法，包括数据预处理、特征提取、模型构建和技术拓展，并对近年来提出的基于深度学习模型的方法进行了比较。最后，讨论了数据驱动方法面临的挑战和未来发展方向。

    May, 2023

  • SelfReg: 自监督对比正则化用于领域通用化

    本文提出了一种基于自监督对比正则化 (SelfReg) 的领域泛化正则化方法，使用该方法可以有效解决对比学习中负采样对性能的影响，而且还提出了一种类别特定的领域扰动层 (CDPL)，使得即使只有正样本对，也能有效应用多样本混合增强技术。实验结果表明，该方法在最近的基准测试中表现出与传统技术同等的性能。

    Apr, 2021

  • 弱监督域名检测

    本文提出了域检测作为一项新的自然语言处理任务，介绍了编码器 - 检测器框架结合多实例学习的域检测模型，并应用于不同粒度、语言和体裁的文本中，展示了域检测在文本摘要中的潜力。

    Jul, 2019

  • 通过 HTML 内容的多模型分析来检测钓鱼网站

    通过引入一种先进的检测模型，该研究解决了网络钓鱼的紧迫问题，并通过结合多层感知器（MLP）模型和两个预训练的自然语言处理（NLP）模型的嵌入来获得卓越的性能，特别是在分析页面标题和内容上。

    Jan, 2024

  • 针对网络安全概念的关系抽取框架

    本论文介绍了一种利用半监督自然语言处理和引导式算法从文本中提取安全实体与其关系的方法，并在小型语料库上进行测试，结果表明可以较高准确地实现此目的。

    Apr, 2015

  • 一个完善的框架用于准确检测钓鱼网站

    通过特征选择、贪婪算法、交叉验证和深度学习方法构建了一个复杂的堆叠集成分类器，实现了对钓鱼网站的准确检测，取得了高准确率并具备泛化能力。

    Mar, 2024

  • 恶意广告 URL 检测框架的对抗性攻击分析

    本文讨论了利用机器学习方法检测恶意广告链接的问题，提出了一种使用多种特征并结合不同机器学习算法的检测系统，并实现了一种基于 K-means 算法的数据聚类方法以及对决策树模型的攻击形式。

    Apr, 2022

  • 探索在网络安全领域使用统一模型的迁移学习极限

    本文介绍了一种利用自然语言处理技术应用于网络安全领域的生成式多任务模型（UTS），该模型能够训练并应用于多种网络威胁检测、漏洞检测和社交媒体数据处理任务，能提高网络安全数据集的性能，同时减少了人工验收数据的成本。

    Feb, 2023

  • 从网络资源中发现信号以预测网络攻击

    本文介绍了一种基于深度神经网络和自回归时间序列模型的机器学习技术，利用公开 Web 资源的外部信号预测网络攻击，测试结果表明该方法在真实世界预测任务中显著提高了预测精确度，能够有效预防各种类型的网络攻击。

    Jun, 2018