LSTM과 CNN의 결합 모델을 이용한 피싱 공격 탐지

피싱은 20년 이상 존재해 온 사회공학 범죄로, 매우 동적인 피싱 전략에 맞서기 위한 더 나은 해결책을 찾기 위해 상당한 연구 주목을 받고 있습니다. 금융 부문은 피싱의 주요 목표이며, 피싱 공격을 방지하기 위한 여러 가지 접근방법이 있습니다. 소프트웨어 기반 탐지 접근법이 피싱 탐지에서 더 두드러지지만, 여전히 장기적으로 안정적인 강력한 해결책은 없습니다. 이 논문의 주요 목적은 URL과 HTML 페이지를 모두 사용하는 LSTM과 CNN 심층 네트워크의 결합 모델을 사용하여 피싱 공격을 탐지하기 위한 새로운 해결책을 제안하는 것입니다. URL은 1D 합성곱을 사용하여 LSTM 네트워크를 통해 학습되며, 다른 1D 합성곱 네트워크는 HTML 특징을 학습하는 데 사용됩니다. 이 두 네트워크는 각각 별도로 훈련되었으며, 제안된 모델을 만들기 위해 각 모델의 마지막 레이어를 제거하고 시그모이드 레이어를 통해 결합되었습니다. 제안된 모델은 정확도 면에서 98.34%에 도달했으며, 이는 탐색된 문헌에서 URL과 HTML 특성을 모두 사용하는 탐지 모델 중 가장 높은 기록인 97.3%를 초과하는 수치입니다. 이 솔루션은 HTML 페이지로만 특징 추출을 요구하며, URL은 최소한의 사전 처리로 직접 제공됩니다. 제안된 솔루션은 추출된 HTML 특성을 사용하지만, 타사 서비스에 의존하지 않습니다. 따라서 제안된 모델을 사용하여 인터넷 사용자를 보호하기 위한 피싱 공격 탐지를 위한 효율적인 실시간 애플리케이션을 구현할 수 있습니다.