お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-07-16 10:25
深層学習を用いたフィッシング検知手法における多数決判別器によるAdversarial Examplesの対策
小川侑治木村共孝程 俊同志社大CS2021-33
抄録 (和) 近年,フィッシング攻撃による被害が増加しており,その対策として深層学習を用いたフィッシング URLの検知が注目されている.深層学習を用いたフィッシングURL検知手法は検知率が高く,有用であるが,深層学習には意図的に誤識別を引き起こす AE (Adversarial Examples)技術に脆弱である.そこで,本稿では,AE 技術の対抗策として複数の判別器を用いてフィッシング URL か判別する多数決判別器を提案する.本項では,AE 技術の一種である1ピクセル攻撃を適用することで,一つの判別器を用いるよりも複数の判別器を用いた多数決判別器が AE に対して堅牢であることを示す. 
(英) In recent years, the number of phishing attacks has been increasing, and the detection of phishing URLs using deep learning has been attracting attention as a countermeasure. Although the phishing URL detection method using deep learning has a high detection rate, deep learning is vulnerable to AE (Adversarial Examples) techniques that intentionally cause false identifications. Therefore, as a countermeasure against AE techniques, this paper proposes a majority decision discriminator that uses multiple discriminators to determine whether a URL is phishing or normal. We apply one of AE techniques, a one-pixel attack to the proposed method and show that the majority decision method using multiple discriminators is robust
キーワード (和) フィッシング検知システム / 深層学習 / Adversarial Examples / 多数決 / / / /  
(英) Phishing Detection / Deep Learning / Adversarial Examples / Majority Decision / / / /  
文献情報 信学技報, vol. 121, no. 113, CS2021-33, pp. 78-79, 2021年7月.
資料番号 CS2021-33 
発行日 2021-07-08 (CS) 
ISSN Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード CS2021-33

研究会情報
研究会 CS  
開催期間 2021-07-15 - 2021-07-16 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 次世代ネットワーク,アクセスネットワーク,ブロードバンドアクセス方式,電力線通信,無線通信方式,符号化方式,一般 
テーマ(英) Next Generation Networks, Access Networks, Broadband Access, Power Line Communications, Wireless Communication Systems, Coding Systems, etc. 
講演論文情報の詳細
申込み研究会 CS 
会議コード 2021-07-CS 
本文の言語 日本語 
タイトル(和) 深層学習を用いたフィッシング検知手法における多数決判別器によるAdversarial Examplesの対策 
サブタイトル(和)  
タイトル(英) Countermeasures against Adversarial Examples using Majority Decision Discriminators for Deep learning-Based Phishing Detection Methods 
サブタイトル(英)  
キーワード(1)(和/英) フィッシング検知システム / Phishing Detection  
キーワード(2)(和/英) 深層学習 / Deep Learning  
キーワード(3)(和/英) Adversarial Examples / Adversarial Examples  
キーワード(4)(和/英) 多数決 / Majority Decision  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 小川 侑治 / Yuji Ogawa / オガワ ユウジ
第1著者 所属(和/英) 同志社大学 (略称: 同志社大)
Doshisha University (略称: Doshisha Univ.)
第2著者 氏名(和/英/ヨミ) 木村 共孝 / Tomotaka Kimura / キムラ トモタカ
第2著者 所属(和/英) 同志社大学 (略称: 同志社大)
Doshisha University (略称: Doshisha Univ.)
第3著者 氏名(和/英/ヨミ) 程 俊 / Jun Cheng / テイ シュン
第3著者 所属(和/英) 同志社大学 (略称: 同志社大)
Doshisha University (略称: Doshisha Univ.)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-07-16 10:25:00 
発表時間 10分 
申込先研究会 CS 
資料番号 CS2021-33 
巻番号(vol) vol.121 
号番号(no) no.113 
ページ範囲 pp.78-79 
ページ数
発行日 2021-07-08 (CS) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会