Un modèle efficace de détection de sites de phishing multistages basé sur le cadre des caractéristiques CASE : visant le véritable environnement web

Le phishing est devenu une méthode favorite des hackers pour commettre des vols de données et continue d'évoluer. Tant que les sites de phishing continueront à fonctionner, de nombreuses personnes et entreprises subiront des fuites de données personnelles ou des pertes financières. Par conséquent, la demande pour une détection rapide et précise des sites de phishing se renforce. Cependant, les méthodes de détection de phishing existantes n'analysent pas pleinement les caractéristiques du phishing, et la performance et l'efficacité des modèles ne s'appliquent qu'à certains ensembles de données limités et doivent être améliorées pour être appliquées au véritable environnement web. Cet article prend pleinement en compte les principes de l'ingénierie sociale du phishing, propose un cadre de caractéristiques CASE complet et interprétable et conçoit un modèle de détection de phishing multistages pour détecter efficacement les sites de phishing, en particulier dans le véritable environnement web, où une haute efficacité et performance et des taux de faux positifs extrêmement bas sont requis. Pour vérifier pleinement la méthode proposée, deux types d'expériences de données ont été réalisées. L'une a été des expériences comparatives entre différentes caractéristiques et différents modèles de détection sur CASE, couvrant à la fois des algorithmes de machine learning classiques et d'apprentissage profond basés sur un ensemble de données complexe construit. L'autre était une expérience de découverte de phishing d'un an dans le véritable environnement web. La méthode proposée obtient de meilleurs résultats de détection dans l'optique de réduire significativement le temps d'exécution et fonctionne bien lors de la découverte réelle de phishing, ce qui prouve sa haute praticabilité dans la réalité.