釣魚郵件檢測——獲取郵件正文等使用LSTM肯定是可以解決的

EmailDetective: An Email Authorship Identification And Verification Model

今天，電子郵件經常被用於非法網絡犯罪，因此驗證電子郵件作者的身份非常重要。本文提出了一種解決匿名郵件作者歸屬問題的通用模型，該模型可用於郵件作者身份識別和郵件作者身份驗證。第一種情況是在眾多可疑目標中找出匿名郵件的作者。另一種情況是驗證電子郵件是否由發件人撰寫。本文從郵件頭和郵件正文中提取特征，分析郵件作者的寫作風格和其他行為。郵件作者的行為通過統計算法從郵件頭中提取出來。此外，采用序列-序列雙向長短期記憶（BiLSTM）算法提取了作者在郵件正文中的寫作風格。該模型結合多種因素，解決了匿名郵件作者歸屬問題。實驗結果表明，該模型的精度和其他指標均優於其他方法。在電子郵件作者驗證實驗中，我們的平均准確率、平均召回率和平均F1評分達到89.9%。在電子郵件作者鑒定實驗中，我們模型的准確率分別為98.9%、92.9%和89.5%,10位作者的准確率為98.9%,25位作者的准確率為92.9%,50位作者的准確率為89.5%。

Providing Email Privacy by Preventing Webmail from Loading Malicious XSS Payloads

隨着網絡技術的發展，電子郵件已成為現代社會的一種正式的通信方式。郵件中往往包含大量的個人隱私信息、可能的商業協議和敏感附件，這使郵件成為黑客的攻擊目標。黑客最常用的攻擊手段之一是電子郵件XSS（跨站腳本），利用XSS漏洞，黑客可以竊取身份信息，登錄受害者郵箱，直接竊取內容。因此，本文提出了一種基於深度學習技術的郵件XSS檢測模型，該模型能夠識別郵件中是否攜帶XSS載荷。首先，該模型可以提取原始郵件中的發件人、收件人、主題、內容、附件字段信息。其次，對數據進行處理后，形成電子郵件XSS語料庫。引入Word2Vec算法，對每個郵件樣本進行語料訓練和特征提取。最后，該模型利用雙向RNN算法和注意機制訓練電子郵件XSS檢測模型。實驗中，雙向RNN模型的AUC（曲線下面積）值達到0.9979。引入注意機制后，雙向RNN模型的精度上限提高到0.9936，損失值降低到0.03。

 

Phishing Email Detection Using Improved RCNN Model With Multilevel Vectors and Attention Mechanism

釣魚郵件是當今世界的重大威脅之一，已經造成了巨大的經濟損失。雖然對抗方法不斷更新，但目前這些方法的效果並不令人滿意。此外，近年來，釣魚電子郵件正以驚人的速度增長。因此，需要更有效的釣魚檢測技術來抑制釣魚郵件的威脅。本文首先分析了電子郵件的結構。然后，基於改進的多級矢量卷積神經網絡模型和注意機制，提出了一種新的釣魚郵件檢測模型THEMIS，該模型用於從郵件頭、郵件正文、字符三個層次對郵件進行建模。和詞級同時進行。為了評估THEMIS的有效性，我們使用一個不平衡的數據集，它具有釣魚和合法電子郵件的真實比例。實驗結果表明，THEMIS系統的總體准確率達到99.848%。同時，誤報率(FPR)為0.043%。准確率高，FPR低，可以保證過濾器能夠高概率識別釣魚郵件，並盡可能少地過濾合法郵件。這一有希望的結果優於現有的檢測方法，並驗證了THEMIS在釣魚郵件檢測中的有效性。

基於LSTM與隨機森林混合構架的釣魚網站識別研究

摘要：針對傳統的釣魚站點攻擊檢測模型時延高、效率低、特征提取復雜的問題,提出一種使用長短期記憶網絡(long short term memory,LSTM)和隨機森林的混合算法模型。該模型主要包括網址上下文特征提取和混合特征分類兩部分。首先,根據循環神經網絡特點建立128步長的深度網絡結構。實驗數據參考開源社區提供的釣魚網站網址和正常網址情報。利用自然語言處理技術對網址數據進行編碼得到具有局部特征的網址序列。通過構建的LSTM網絡對網址序列進行字符上下文特征提取,結合傳統檢測方法中的非字符序列特征,共同構成實驗特征集。隨后,利用隨機森林獲取每一個特征的最佳分裂點,構建混合特征分類模型。該模型以網址數據為檢測源,一方面降低了隨機森林的字符序列特征維度,另一方面結合傳統釣魚網址檢測中的非序列特征,彌補了LSTM算法檢測特征單一的問題。為驗證該模型的有效性,設計了本文模型與隨機森林算法、LSTM算法的對比實驗,並進一步對不同LSTM訓練規模的時間成本進行分析。從實驗中發現,基於LSTM與隨機森林的混合模型大幅度提高了釣魚網站的識別准確率,模型准確率達到98.52%,比相同訓練規模的LSTM准確率高3%,比實驗中的單一隨機森林准確率高7%。同時,相比於LSTM算法同等幅度的准確率提升,該混合算法具有更小的時間代價。實驗結果表明,作者提出的混合模型克服了傳統識別模型在特征提取、識別效率上的問題,適合於海量釣魚網站攻擊的快速識別。

Security Analysis and Threats Detection Techniques on Docker Container

Docker容器技術是一種新興的虛擬化技術，在開發和部署階段具有非常高的效率。雖然Docker容器技術比傳統虛擬化技術-虛擬機更方便，但Docker鏡像發布審計流程不成熟，安全性較差。因此，為了保護宿主機或本地Docker容器的安全，防止惡意Docker容器的攻擊，需要檢測Docker鏡像中存在的潛在威脅，找出Docker容器實例在宿主機上運行的風險。本文詳細分析了Docker現有的安全機制，以及Docker用戶面臨的主要威脅。最后，針對Docker鏡像和容器實例給出了相應的威脅檢測技術，實驗結果證明了該檢測框架的有效性。