| 講演名 | 2021-06-22 フィッシングウェブサイトの特徴分析とフィッシング検出のための機械学習アルゴリズムの比較と改善 魏 ?(東大), 関谷 勇司(東大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | Phishing is a kind of cybercrime that uses disguised websites to trick people into providing personally sensitive information. Machine Learning is a branch of Artificial Intelligence (AI), which can learn from datasets and make predictions with minimal human intervention. Phishing detection is a typical binary classification task that can be predicted by machine learning algorithms. This paper analyzes 111 features of the latest phishing websites dataset，which includes 27998 legitimate websites and 30647 phishing websites to investigate the obvious differences and correlations between phishing and legitimate websites. Then, seven commonly used machine learning algorithms are compared to detect phishing websites, including Logistic Regression, Linear Discriminant Analysis, Classification and Regression Tree, Support Vector Machine (SVM), Na?ve Bayes Classifier, Random Forest, and K-Nearest Neighbor. Among these algorithms, Random Forest shows the highest accuracy and the best performance. |
| 抄録(英) | Phishing is a kind of cybercrime that uses disguised websites to trick people into providing personally sensitive information. Machine Learning is a branch of Artificial Intelligence (AI), which can learn from datasets and make predictions with minimal human intervention. Phishing detection is a typical binary classification task that can be predicted by machine learning algorithms. This paper analyzes 111 features of the latest phishing websites dataset，which includes 27998 legitimate websites and 30647 phishing websites to investigate the obvious differences and correlations between phishing and legitimate websites. Then, seven commonly used machine learning algorithms are compared to detect phishing websites, including Logistic Regression, Linear Discriminant Analysis, Classification and Regression Tree, Support Vector Machine (SVM), Na?ve Bayes Classifier, Random Forest, and K-Nearest Neighbor. Among these algorithms, Random Forest shows the highest accuracy and the best performance. |
| キーワード(和) | Cyber Security / Feature Analysis / Phishing Website Detection / Machine Learning |
| キーワード(英) | Cyber Security / Feature Analysis / Phishing Website Detection / Machine Learning |
| 資料番号 | IA2021-9,ICSS2021-9 |
| 発行日 | 2021-06-14 (IA, ICSS) |
| 研究会情報 | |
| 研究会 | IA / ICSS |
|---|---|
| 開催期間 | 2021/6/21(から2日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | インターネットセキュリティ、一般 |
| テーマ（英） | Internet Security, etc. |
| 委員長氏名（和） | 義久 智樹(阪大) / 吉岡 克成(横浜国大) |
| 委員長氏名（英） | Tomoki Yoshihisa(Osaka Univ.) / Katsunari Yoshioka(Yokohama National Univ.) |
| 副委員長氏名（和） | 近堂 徹(広島大) / 屏 雄一郎(KDDI総合研究所) / 山本 寛(立命館大) / 神谷 和憲(NTT) / 笠間 貴弘(NICT) |
| 副委員長氏名（英） | Toru Kondo(Hiroshima Univ.) / Yuichiro Hei(KDDI Research) / Hiroshi Yamamoto(Ritsumeikan Univ.) / Kazunori Kamiya(NTT) / Takahiro Kasama(NICT) |
| 幹事氏名（和） | 大平 健司(阪大) / 坂野 遼平(工学院大) / 渡辺 俊貴(NEC) / 山田 明(KDDI labs.) / 木藤 圭亮(三菱電機) |
| 幹事氏名（英） | Kenji Ohira(Osaka Univ.) / Ryohei Banno(Kogakuin Univ.) / Toshiki Watanabe(NEC) / Akira Yamada(KDDI labs.) / Keisuke Kito(Mitsubishi Electric) |
| 幹事補佐氏名（和） | 小谷 大祐(京大) / 中村 遼(福岡大) / 野林 大起(九工大) / 山内 利宏(岡山大) / 菅原 健(電通大) |
| 幹事補佐氏名（英） | Daisuke Kotani(Kyoto Univ.) / Ryo Nakamura(Fukuoka Univ.) / Daiki Nobayashi(Kyushu Inst. of Tech.) / Toshihiro Yamauchi(Okayama Univ.) / Takeshi Sugawara(Univ. of Electro-Communications) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Internet Architecture / Technical Committee on Information and Communication System Security |
|---|---|
| 本文の言語 | ENG-JTITLE |
| タイトル（和） | フィッシングウェブサイトの特徴分析とフィッシング検出のための機械学習アルゴリズムの比較と改善 |
| サブタイトル（和） | |
| タイトル（英） | Feature analysis of phishing website and phishing detection based on machine learning algorithms |
| サブタイトル（和） | |
| キーワード(1)（和/英） | Cyber Security / Cyber Security |
| キーワード(2)（和/英） | Feature Analysis / Feature Analysis |
| キーワード(3)（和/英） | Phishing Website Detection / Phishing Website Detection |
| キーワード(4)（和/英） | Machine Learning / Machine Learning |
| 第 1 著者 氏名（和/英） | 魏 ? / Yi Wei |
| 第 1 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Todai) |
| 第 2 著者 氏名（和/英） | 関谷 勇司 / Yuji Sekiya |
| 第 2 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Todai) |
| 発表年月日 | 2021-06-22 |
| 資料番号 | IA2021-9,ICSS2021-9 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | IA-68,ICSS-69 |
| ページ範囲 | pp.44-49(IA), pp.44-49(ICSS), |
| ページ数 | 6 |
| 発行日 | 2021-06-14 (IA, ICSS) |