Resumen

A través de sitios web falsificados bien diseñados, el phishing induce a los usuarios en línea a visitar páginas web falsas para obtener su información sensible privada, por ejemplo, el número de cuenta y la contraseña. Los enfoques antiphishing existentes se basan principalmente en características relacionadas con la página, lo que requiere rastrear el contenido de las páginas web y acceder a motores de búsqueda de terceros o servicios de DNS. Esto no solo conduce a su baja eficiencia en la detección de phishing, sino que también los hace depender en gran medida del entorno de red y de servicios de terceros. En este documento, proponemos un enfoque rápido de detección de sitios web de phishing llamado PDRCNN que se basa únicamente en la URL del sitio web. PDRCNN no necesita recuperar el contenido del sitio web objetivo ni utilizar servicios de terceros como lo hacen los enfoques anteriores. Codifica la información de una URL en un tensor bidimensional y alimenta el tensor en una red neuronal de aprendizaje profundo diseñada de manera novedosa para clasificar la URL original. Primero utilizamos una red LSTM

• Materias:Cifrados de bloques Seguridad cibernética Malware Ocultación de datos Cifrado homomórfico
• Subjects:Block ciphers Cyber security Malware Data hiding Homomorphic encryption
• Palabras claves:Phishing; Detección de sitios web; PDRCNN; Red neuronal de aprendizaje profundo; URL; Precisión de la detección
• Keywords:Phishing; Website detection; PDRCNN; Deep learning neural network; URL; Detection accuracy