マルチレベルウェブページグラフと動的異種グラフ注意ネットワークを用いたフィッシングサイト検出のための改良型グラフベースモデル
Improved graph-based model for phishing website detection using multi-level web page graphs and dynamic heterogeneous graph attention network
本論文では、動的なDOM構造、誤解を招く視覚表示、変更されるハイパーリンクにより検出が困難な現代のフィッシングサイトに対処するため、マルチレベルウェブページグラフ(MLWPG)と深層学習手法DHGAN(Type-Aware AttentionとDynamic Convolutionを搭載)を組み合わせた新しいグラフベースの検出方法を提案する。MLWPGはDOM階層、レンダリングされた視覚ブロック、ハイパーリンク関係を一つの異種グラフに統合する。さらに、回避的なフィッシングバージョンに対する堅牢性を高めるために特徴空間でAPDAを使用する。50,000ページのバランスの取れたデータセットを用いた実験では、提案手法は97.0%の精度、96.8%のF1スコア、3.0%の偽陽性率、95.5%の敵対者に対する堅牢性を達成し、ベースラインモデルを上回った。このMLWPG-DHGAN-APDAフレームワークは、リアルタイムフィッシング対策における検出精度と運用の信頼性の両方を向上させることを実証した。
- 提案手法MLWPG-DHGAN-APDAは50,000ページのデータセットで97.0%の精度、96.8%のF1スコア、3.0%の偽陽性率を達成し、既存ベースラインモデルを上回った
- 敵対的フィッシングバージョンに対する堅牢性95.5%を達成し、回避型攻撃への耐性を実証
フィッシングサイト検出はサイバーセキュリティ市場の中でも成長が続く領域であり、本手法は97%の精度と敵対的攻撃に対する堅牢性95.5%を実現しており、実運用での防御強化に直結する技術的進展といえる。ただし、学術研究の段階であり、商用化や企業導入の具体的な発表がないため、投資判断への直接的な影響は限定的。とはいえ、進化するフィッシング攻撃に対する検出技術の高度化は、セキュリティベンダーの製品競争力を左右する要素であり、関連企業の技術動向として注視に値する。