Détection de cyberattaques dans les messages de réseaux sociaux basée sur des réseaux de neurones convolutionnels et des techniques de traitement du langage naturel

Les réseaux sociaux ont capté l'attention de nombreuses personnes à travers le monde. Cependant, ces services ont également attiré un nombre considérable d'utilisateurs malveillants dont le but est de compromettre les actifs numériques d'autres utilisateurs en utilisant des messages comme vecteur d'attaque pour exécuter différents types de cyberattaques contre eux. Ce travail présente une approche basée sur des outils de traitement du langage naturel et une architecture de réseau de neurones convolutionnels pour détecter et classifier quatre types de cyberattaques dans les messages de réseaux sociaux, y compris les logiciels malveillants, le phishing, le spam, et même une autre appelée attaque de bot, qui vise à tromper un utilisateur pour qu'il propage des messages malveillants à d'autres utilisateurs. Une caractéristique notable de ce travail est qu'il analyse le contenu textuel sans dépendre des caractéristiques d'un réseau social spécifique, rendant ainsi son analyse indépendante de sources de données particulières. Enfin, ce travail a été testé sur des données réelles, démontrant ses résultats en deux étapes. La première étape a détecté l'existence de l'un des quatre types de cyberattaques dans le message, atteignant une valeur de précision de 0,91. Après avoir détecté un message comme cyberattaque, la prochaine étape était de le classer comme l'un des quatre types de cyberattaque, atteignant une valeur de précision de 0,82.