Understanding the Country-Level Security of Free Content Websites and their Hosting Infrastructure
本文研究免费与付费内容网站的国家分布及其与国家网络安全指数的相关性，旨在识别托管漏洞并指导政策改进以减轻网络威胁。
2023-05-23 cs.CR
Stickler: Defending Against Malicious CDNs in an Unmodified Browser
网站发布商可以通过内容分发网络（CDN）将流量引导到其网站，从而获得巨大的性能优势并节省成本。然而，如今使用CDN的发布商必须相信他们的CDN不会在发送给最终用户的过程中修改网站的JavaScript、CSS、图像或其他媒体。违反这种信任的CDN可能会将广告注入网站，降低媒体采样以节省带宽，或者更糟的是，注入恶意JavaScript代码以窃取它无法访问的用户机密。我们介绍Stickler，这是一个面向网站发布商的系统，可以保证向最终用户提供的内容的端到端真实性，同时允许发布商获得CDN的好处。至关重要的是，Stickler在不需要修改浏览器的情况下实现了这些保证。
2015-06-12 cs.CR
An Evasion and Counter-Evasion Study in Malicious Websites Detection
University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
恶意网站是一种主要的网络攻击载体，有效检测恶意网站是一项重要的网络防御任务。在这方面，主要的防御模式是防御者使用某种机器学习算法来训练检测模型，然后使用该模型对有问题的网站进行分类。与其他设置不同，以下问题是恶意网站检测问题所固有的：攻击者基本上可以访问防御者用于训练其检测模型的相同数据。这种“对称性”可以被攻击者利用，至少在原则上，以逃避防御者的检测模型。在本文中，我们提出了一个框架来描述攻击者和防御者之间的逃避和反逃避互动，攻击者试图通过利用这种对称性来逃避防御者的检测模型。在这个框架内，我们表明，自适应攻击者可以使恶意网站逃避强大的检测模型，但主动训练可以是一个有效的反规避防御机制。该框架是面向流行的检测模型的决策树，但可以适应其他分类器。
2014-08-08 cs.AI cs.CR
Characterizing Event-themed Malicious Web Campaigns: A Case Study on War-themed Websites
本文以战争主题网站为案例，分析攻击者如何借助事件特征定制欺诈网站，并利用可解释无监督聚类识别活动模式，为早期防御提供依据。
2025-09-29 cs.CR cs.CY
Deep Reinforcement Learning for Detecting Malicious Websites
Texas Tech University（德克萨斯理工大学）
网络钓鱼是最简单的网络犯罪形式，其目的是诱使人们泄露敏感信息，例如个人可识别的数据、银行和信用卡详细信息，甚至凭据和密码。这种简单但最有效的网络攻击通常通过电子邮件、电话或即时消息发起。被盗的凭证或私人数据然后被用于访问受害者的关键记录，并可能导致广泛的欺诈和金钱损失。因此，向受害者发送恶意消息是网络钓鱼过程的垫脚石。一个\textit{phisher}通常会建立一个欺骗性的网站，在那里受害者被诱骗输入凭据和敏感信息。因此，在对受害者造成任何有害损害之前检测这些类型的恶意网站非常重要。受钓鱼网站不断演化的启发，提出了一种基于深度强化学习的恶意URL建模和检测方法。该模型能够适应钓鱼网站的动态行为，从而学习与钓鱼网站检测相关的特征。
2019-05-22 cs.CR cs.LG stat.ML
JABBERWOCK: A Tool for WebAssembly Dataset Generation and Its Application to Malicious Website Detection
Osaka University（大阪大学）；National Institute of Technology, Nara College（奈良工业高等专门学校）
针对WebAssembly样本不足限制恶意网站检测新特征探索的问题，提出可通过JavaScript伪生成WebAssembly数据集的工具JABBERWOCK，生成样本接近真实样本，单样本生成仅需4.5秒，助力恶意网站检测达99%F1值且可兼容现有工具提升性能。
2023-06-09 cs.CR cs.LG
Extending the Metasploit Framework to Implement an Evasive Attack Infrastructure
考虑到测试主流防病毒软件针对通过驱动下载提供的规避恶意有效负载的能力的预期目标，这项工作旨在以三种方式扩展Metasploit的功能-渗透测试套件的选择：（1）允许其动态生成Metasploit打包的恶意二进制文件的规避形式，（2）提供一种规避手段，通过一个由驱动下载导出的攻击向量来传送所述可执行程序，以及（3）以一种可用于在SPICE框架内产生可再现测试的方式来协调前面两个功能
2017-05-13 cs.CR
Uncovering IP Address Hosting Types Behind Malicious Websites
University of Colombo School of Computing（科伦坡大学计算机学院）；Qatar Computing Research Institute（卡塔尔计算研究所）
每天都有成千上万的恶意域名被创建。这些恶意域托管在各种网络基础设施上。传统上，攻击者利用防弹托管服务（例如MaxiDed，Cyber Bunker）来利用他们可以托管的内容的相对宽松的策略。然而，这些IP范围越来越多地被封锁或服务被执法部门关闭。因此，攻击者正在转向利用来自常规托管提供商的IP，同时保持在这些托管提供商的雷达之下。准确了解用于托管恶意域的IP类型有几个实际优势。如果IP是专用IP（即，它被租赁给单个实体），则可以将IP列入黑名单以阻止托管在这些IP上的域以及用作识别托管在相同IP上的其他恶意域的方式。如果IP是共享托管IP，托管服务提供商可能会采取措施清理此类域名，并为其用户保持较高的声誉。
2021-11-28 cs.CR cs.LG
Dissecting the Infrastructure Used in Web-based Cryptojacking: A Measurement Perspective
本文从测量视角剖析基于Web的加密劫持基础设施，通过分析887个加密劫持网站及其DNS、注册商和恶意活动，揭示网站基础设施易受未授权挖矿滥用的脆弱性。
2024-08-06 cs.CR
Detecting Malignant TLS Servers Using Machine Learning Techniques
TLS使用X.509证书进行服务器身份验证。X.509证书是一个复杂的文档，在创建/使用它时可能会发生各种无辜的错误。此外，许多证书属于恶意网站，应该被客户端拒绝，并且不应该访问这些Web服务器。通常情况下，当客户端发现一个证书是可疑的使用传统的测试，它要求人为干预。但是，看看证书，大多数人不能区分恶意和非恶意网站。因此，一旦传统的证书验证失败，而不是要求人工干预，我们使用机器学习技术，使Web浏览器能够决定证书所属的服务器是否是恶性的，即是否应该访问该网站。一旦证书在上述阶段被接受，我们观察到该网站仍然可能是恶意的。因此，在第二阶段，我们将网站的一部分下载到沙箱中，而不对其进行解密，并观察TLS加密流量（沙箱中捕获的加密恶意数据不会损害系统）。由于在握手完成后对流量进行加密，因此无法使用传统的模式匹配技术。因此，我们使用流量的流特征以及上述第一阶段中使用的特征。我们将这些特征与TLS握手期间获得的未加密TLS报头信息相结合，并在机器学习分类器中使用这些特征来识别流量是否是恶意的。
2017-05-25 cs.CR cs.NI
End-to-End Analysis of In-Browser Cryptojacking
浏览器内加密劫持涉及劫持网站访问者的CPU能力来执行CPU密集型加密货币挖掘，并且一直在上升，2017年增长了8500%。虽然一些网站提倡加密劫持作为在线广告的替代品，但网络攻击者通过在排名较高的网站中嵌入恶意加密劫持代码来利用它来创收。出于加密劫持的兴起和缺乏任何先前的系统性工作，我们开始静态和动态地分析恶意加密劫持，并研究加密劫持作为广告替代品的经济基础。对于我们的静态分析，我们执行基于内容、货币和代码的分析。通过基于内容的分析，我们揭示了加密劫持是一种针对各种网站类型的广泛威胁。通过基于货币的分析，我们强调了采矿平台和货币之间的密切关系：大多数加密劫持网站使用Coalve来开采Monero。通过基于代码的分析，我们突出了密码劫持脚本独特的代码复杂度特征，并使用它们在良性和其他恶意JavaScript代码中检测密码劫持代码，准确率为96.4%。通过动态分析，我们强调了加密劫持对系统资源的影响，例如CPU和电池消耗（在电池供电的设备中）;我们使用后者来构建一个分析模型，该模型研究了加密劫持作为在线广告替代方案的可行性，并显示了巨大的负利润/亏损差距，表明该模型是不切实际的。通过调查现有的对策及其局限性，我们总结了长期对策，利用我们的分析见解。
2018-09-06 cs.CR
Malicious URL Detection using optimized Hist Gradient Boosting Classifier based on grid search method
Universiti Kebangsaan Malaysia（马来西亚国立大学）；University of Birjand（比尔詹德大学）；Technical and Vocational University（技术职业大学）
本文针对恶意URL检测问题，提出基于网格搜索优化的多种机器学习方法，并在1781条网站数据上验证HGBC分类器在准确率、F1分数和AUC等指标上表现最优。
2024-06-12 cs.CR cs.LG
Understanding the Utilization of Cryptocurrency in the Metaverse and Security Implications
本研究分析了集成加密货币的元宇宙平台的安全行为，通过收集顶级元宇宙代币、域名及whois注册信息，结合virustotal.com的恶意检测数据，揭示了元宇宙网站存在的恶意活动及相关安全风险指标。
2023-11-26 cs.CR
A Sweet Recipe for Consolidated Vulnerabilities: Attacking a Live Website by Harnessing a Killer Combination of Vulnerabilities
最近出现的新漏洞是复杂的网站安全世界中一个划时代的问题。大多数网站都未能保持更新，以解决他们的网站从这些新的漏洞离开没有意识到网站的弱点。因此，当网络犯罪分子冲刷这些脆弱的旧版本网站时，扫描程序将代表一组漏洞。一旦发现，这些漏洞就会被利用来窃取数据，分发恶意内容，或将污损和垃圾邮件内容注入易受攻击的网站。此外，不同漏洞的组合能够造成比预期更多的损害。因此，在本文中，我们努力寻找各种漏洞之间的连接，如跨站脚本，本地文件包含，远程文件包含，缓冲区溢出CSRF等，要做到这一点，我们开发了一个有限状态机（FSM）攻击模型，它分析了一组漏洞的道路上找到连接。我们证明了我们的模型的有效性，将其应用到两个现场网站上发现的漏洞集。
2019-06-27 cs.CR
Detecting Malicious Concepts without Image Generation in AI-Generated Content (AIGC)
College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院）；School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机与人工智能学院）；Jiangxi Provincial Key Laboratory of Multimedia Intelligent Processing（江西省多媒体智能处理重点实验室）；Department of Data Science, City University of Hong Kong（香港城市大学数据科学系）
本文提出Concept QuickLook方法，通过概念文件直接检测恶意概念，无需生成图像，解决传统方法耗时且资源消耗大的问题，验证了其在概念分享平台中的实用性。
2026-04-29 cs.CR cs.CV
PhishGuard: A Multi-Layered Ensemble Model for Optimal Phishing Website Detection
本文提出集成模型PhishGuard，融合多种分类器并结合特征选择与优化方法，在多个数据集上实现最高99.05%的钓鱼网站检测准确率。
2024-09-29 cs.CR
Contaminant Removal for Android Malware Detection Systems
最近的一份报告显示，每4秒就有一个新的恶意应用程序被引入。这种快速的恶意软件分发速度导致现有的恶意软件检测系统远远落后，使恶意应用程序能够逃避审查工作，甚至可以通过合法的应用程序商店分发。当受信任的下载网站分发恶意软件时，会产生一些负面后果。首先，这些网站的流行将使此类恶意应用程序能够快速而广泛地感染设备。其次，依赖基于机器学习的检测技术的分析师和研究人员也可能下载这些应用程序，并错误地将其标记为良性，因为它们尚未被披露为恶意软件。然后，这些应用程序在模型训练和测试期间被用作其良性数据集的一部分。良性数据集中污染物的存在可能会损害其检测和分类技术的有效性和准确性。为了解决这个问题，我们引入了PUDROID（Positive and Unlabeled learning-based malware detection for Android）来自动有效地从训练数据集中删除污染物，从而使基于机器学习的恶意软件分类器和检测器更加有效和准确。为了进一步提高此类检测器的性能，我们采用了一种特征选择策略，从各种特征中选择相关特征。然后，我们使用两个数据集比较检测系统的检测率和准确性;一个使用PUDROID去除污染物，另一个不去除污染物。结果表明，一旦我们从数据集中删除污染物，我们可以显着提高恶意软件检测率和检测精度
2017-11-14 cs.CR
Using Lexical Features for Malicious URL Detection -- A Machine Learning Approach
恶意网站是当今大多数网络攻击和诈骗的罪魁祸首。恶意URL通过电子邮件、短信、弹出窗口或广告发送给不知情的用户。点击或抓取此类URL可能会导致电子邮件帐户受损，发起网络钓鱼活动，下载恶意软件，间谍软件和勒索软件，以及严重的金钱损失。提出了一种基于机器学习的集成分类方法来检测电子邮件中的恶意URL，该方法可以扩展到其他恶意URL的发送方法。该方法使用从URL字符串中提取的静态词汇特征，并假设这些特征对于恶意和良性URL是显著不同的。使用这种静态功能更安全、更快速，因为它不涉及抓取URL或黑名单查找，这往往会在生成判决时引入大量延迟。分类的目标是实现高灵敏度，即检测尽可能多的恶意URL。URL字符串往往是非常非结构化和嘈杂的。因此，装袋算法被认为是一个很好的适合的任务，因为他们平均了多个学习者训练的不同部分的训练数据，从而减少方差。该分类模型在五个不同的测试集上进行了测试，平均假阴性率（FNR）为0.1%，平均准确度为92%，平均AUC为0.98。该模型目前正在FireEye高级URL检测引擎（用于检测电子邮件中的恶意URL）中使用，以生成对URL的快速实时判决。自将该模型部署到引擎工作流程中以来，引擎的恶意URL检测量增加了22%。获得的结果显示值得注意的证据表明，一个纯粹的词汇方法可以用来检测恶意URL。
2019-10-14 cs.CR
Detecting malicious PDF using CNN
Tel Aviv University（特拉维夫大学）
恶意PDF文件是计算机安全的最大威胁之一。为了检测它们，已经使用手写签名或基于手动特征提取的机器学习进行了重要的研究。这些方法都很耗时，需要大量的先验知识，并且必须根据每个新发现的漏洞更新功能列表。在这项工作中，我们提出了一种新的算法，该算法使用卷积神经网络（CNN）的字节级的文件，没有任何手工制作的功能。我们表明，使用一个数据集的90000个文件在线下载，我们的方法保持了很高的检测率（94%）的PDF恶意软件，甚至检测到新的恶意文件，仍然未被大多数反病毒软件检测到。使用我们的CNN网络自动生成的特征，并应用聚类算法，我们还获得了反病毒标签和所得聚类之间的高度相似性。
2020-08-02 cs.CR cs.LG
Phishing Detection Using Machine Learning Techniques
Sharif University of Technology（谢里夫理工大学）；University of Tehran（德黑兰大学）
互联网已经成为我们生活中不可或缺的一部分，然而，它也提供了匿名执行恶意活动的机会，如网络钓鱼。网络钓鱼者试图通过社会工程或创建模拟网站来欺骗受害者，以窃取个人和组织的帐户ID，用户名，密码等信息。虽然已经提出了许多方法来检测钓鱼网站，但钓鱼者已经发展了他们的方法来逃避这些检测方法。检测这些恶意活动的最成功的方法之一是机器学习。这是因为大多数网络钓鱼攻击都有一些共同的特征，可以通过机器学习方法进行识别。在本文中，我们比较了多种机器学习方法预测钓鱼网站的结果。
2020-09-20 cs.AI cs.CR cs.LG
The Agent Web Model -- Modelling web hacking for reinforcement learning
网站黑客是恶意行为者用来获取机密信息、修改网页完整性或使网站不可用的常见攻击类型。攻击者使用的工具正变得越来越自动化和复杂，恶意机器学习代理似乎是这一行的下一个发展。为了提供类似的工具，道德黑客，并了解人工代理的影响和局限性，我们在本文中提出了一个模型，形式化网络黑客任务的强化学习代理。我们的模型，名为代理Web模型，认为网络黑客作为一个捕获的旗帜风格的挑战，它定义了强化学习问题在七个不同的抽象层次。我们讨论了这些问题的复杂性方面的行动和国家的代理必须处理，我们表明，这样的模型可以代表大多数相关的Web漏洞。意识到强化学习进步的驱动力是标准化挑战的可用性，我们提供了前三个抽象层的实现，希望社区能够考虑这些挑战，以开发智能网络黑客代理。
2020-09-23 cs.CR
Malicious Source Code Detection Using Transformer
Ben-Gurion University（本-古里安大学）
开源代码被认为是现代软件开发中的常见做法。然而，重复使用其他代码会使恶意攻击者能够访问广泛的开发人员社区，从而访问依赖于它的产品。这些攻击被归类为供应链攻击。近年来，越来越多的供应链攻击在软件开发过程中利用开源，自动或手动地中继下载和安装过程。多年来，已经发明了许多方法来检测易受攻击的软件包。但是，在包中检测恶意代码并不常见。这些检测方法可以大致分类为使用（动态）和不使用（静态）代码执行的分析。在这里，我们介绍了恶意源代码检测使用Transformers（MSDT）算法。MSDT是一种基于深度学习方法的新型静态分析，可检测源代码包的真实代码注入情况。在这项研究中，我们使用MSDT和一个包含60多万个不同函数的数据集来嵌入各种函数，并对生成的向量应用聚类算法，通过检测离群值来检测恶意函数。我们进行了广泛的实验，并证明了我们的算法能够检测到注入恶意代码的功能，精度@k值高达0.909。
2022-09-16 cs.CR cs.LG
A Machine Learning Driven Website Platform and Browser Extension for Real-time Scoring and Fraud Detection for Website Legitimacy Verification and Consumer Protection
University of Central Arkansas（中阿肯色大学）；University of Texas at El Paso（德克萨斯大学埃尔帕索分校）
本研究提出一种机器学习驱动的网站平台与浏览器扩展，通过后台分析网站行为、流量与用户交互实现实时风险评分和欺诈检测，可集成至浏览器扩展助力用户安全上网，在电商及日常浏览中防范财产损失、身份盗窃等风险，为网络消费者保护提供实用高效的工具。
2024-11-01 cs.CR cs.LG
Cloaker Catcher: A Client-based Cloaking Detection System
伪装长期以来一直被垃圾邮件发送者利用，以增加其网站的曝光率。换句话说，伪装长期以来一直是搜索引擎优化（SEO）中的主要恶意技术。伪装通过向用户提供与网络爬虫明显不同的内容来隐藏网站的真实性质。最近，我们也目睹了一个上升的趋势，雇用伪装在搜索引擎营销（SEM）。然而，探测隐身是一项挑战。现有的方法不能检测IP伪装，并且不适合于检测SEM中的伪装，因为它们的搜索和访问方法导致点击欺诈。此外，他们专注于检测和测量服务器端的伪装，但结果对用户不可见，以帮助他们避免欺诈。我们的工作重点是减轻IP伪装和SEM伪装，并提供基于客户端的实时伪装检测服务。为了实现这些目标，我们首先提出了基于Simhash的网站模型（SWM），一个精简的网站表示，它可以模拟自然的页面动态。基于SWM，我们设计并实现了Cloaker Catcher，一个准确，高效和隐私保护的系统，它包括一个服务器，抓取用户访问的网站的需求和客户端扩展，从服务器获取蜘蛛网站的视图，并将它们与用户的视图进行比较，以检测伪装。由于Cloaker Catcher在客户端检查每个真实用户，因此无论何时发生IP伪装都可以检测到，并且还可以防止SEM中的点击欺诈。使用我们的系统，我们对SEM伪装进行了第一次分析，发现SEM伪装者的主要目的是提供非法服务。
2017-10-03 cs.CR
An investigation of the classifiers to detect android malicious apps
Birla Institute of Technology and Science（贝拉理工学院）
Android设备呈指数级增长，并通过互联网连接到数十亿个在线网站。这些设备的流行鼓励恶意软件开发人员利用恶意应用程序渗透市场，以骚扰和破坏受害者。虽然，对于恶意应用程序的检测，讨论了不同的方法。然而，所提出的方法不足以检测高级恶意软件以限制/防止损害。在这方面，很少有方法是基于操作码发生来分类恶意应用程序。因此，本文研究了五个分类器使用操作码的出现作为检测恶意应用程序的突出特征。对于分析，我们使用WEKA工具，发现FT检测准确率（79.27%）是最好的调查分类器。然而，真阳性率，即恶意软件检测率是最高的（99.91%）RF和波动最小的突出特征的不同数量相比，其他研究的分类。分析表明，总体准确率主要受分类器的误报影响。
2018-02-23 cs.AI cs.CR
Certificate Transparency with Enhancements and Short Proofs
浏览器可以检测到提供伪造或假冒TLS/SSL证书的恶意网站。然而，如果恶意网站被提供错误颁发的证书或由受损的证书颁发机构颁发的证书，它们就不太擅长检测恶意网站。Google提出了证书透明性，这是一个开放的框架，用于实时的监控和审计证书。此后，已经提出了一些其他的证书透明性方案，甚至可以处理撤销。所有目前已知的构造都使用Merkle哈希树，并且具有证书/域所有者数量的证明大小对数。我们提出了一个新的证书透明性计划短（恒定大小）的证明。我们的构造利用了动态双线性映射映射。该方案具有许多理想的属性，如有效的撤销，低验证成本和更新成本与现有的计划。我们提供的安全性证明和评估我们的计划的性能。
2017-07-19 cs.CR cs.DS
Leaked-Web: Accurate and Efficient Machine Learning-Based Website Fingerprinting Attack through Hardware Performance Counters
用户的网站浏览历史记录包含敏感信息，如健康状况，政治利益，财务状况等。最近的一些研究表明，推断网站指纹的基础上的重要使用信息，如流量，高速缓存使用，内存使用，CPU活动，功耗和硬件性能计数器信息的可能性。然而，现有的网站指纹攻击需要高采样率，这会导致高性能开销和大的网络流量，和/或它们需要由用户启动附加的恶意网站，这是不能保证的。因此，这样的缺点使得现有的攻击对于用户和相应的指纹检测机制来说更加明显。作为回应，在这项工作中，我们提出了泄漏网络，一种新的准确和高效的机器学习为基础的网站指纹攻击，通过处理器的硬件性能计数器（HPC）。Leaked-Web以非常低的粒度监测速率有效地收集用户计算机系统中的硬件性能计数器，并将样本发送到远程攻击的服务器以进行进一步分类。Leaked-Web使用各种先进的机器学习算法来检查Web浏览器的微架构特征，这些算法包括经典的、提升的、深度学习和时间序列模型。我们的实验结果表明，基于LogitBoost ML分类器的Leaked-Web仅使用前4个HPC特征，分类准确率达到91%，比最先进的攻击高出近5%。此外，我们提出的攻击获得了可以忽略不计的性能开销（仅<1%），比现有的硬件辅助网站指纹攻击低约12%。
2021-10-04 cs.AR cs.CR
PerfWeb: How to Violate Web Privacy with Hardware Performance Events
浏览器历史记录会泄露用户的高度敏感信息，如财务状况、健康状况或政治观点。因此，隐私浏览模式和匿名网络不仅是保护普通用户隐私的重要工具，而且特别是保护举报人和持不同政见者隐私的重要工具。然而，在这项工作中，我们展示了恶意应用程序如何通过利用硬件性能事件（HPE）从隐身模式下的Google Chrome和Tor浏览器推断打开的网站。特别是，我们分析了浏览器的微架构足迹的帮助下，先进的机器学习技术：第k个最近邻，决策树，支持向量机，并在以前的文献相比，卷积神经网络。我们分析了40个不同的网站，30个顶级Alexa网站和10个举报门户网站，在两台配备英特尔和ARM处理器的机器上。通过监控退休的指令，缓存访问和总线周期最多5秒，我们设法对选定的网站进行分类，成功率高达86.3%。结果表明，硬件性能事件可以明显地破坏Web用户的隐私。因此，我们提出了缓解策略，以阻止我们的攻击，并仍然允许合法使用HPE。
2017-05-12 cs.CR
Malicious URL Detection using Machine Learning: A Survey
Singapore Management University（新加坡管理大学）；Salesforce Research Asia（Salesforce亚洲研究院）
恶意URL，又名恶意网站是网络安全的一种常见而严重的威胁。恶意URL承载未经请求的内容（垃圾邮件、网络钓鱼、驾车攻击等）并诱使不知情的用户成为诈骗的受害者（金钱损失、私人信息被盗和恶意软件安装），每年造成数十亿美元的损失。必须及时发现这种威胁并采取行动。传统上，这种检测主要通过使用黑名单来完成。然而，黑名单不能是详尽的，并且缺乏检测新生成的恶意URL的能力。为了提高恶意URL检测器的通用性，近年来机器学习技术受到越来越多的关注。本文旨在提供使用机器学习的恶意URL检测技术的全面调查和结构性理解。我们提出的恶意URL检测作为一个机器学习任务的正式制定，并分类和审查的文献研究，解决这个问题的不同方面（功能表示，算法设计等）的贡献。此外，本文为一系列不同的受众提供了及时而全面的调查，不仅适用于学术界的机器学习研究人员和工程师，也适用于网络安全行业的专业人士和从业者，以帮助他们了解最新技术水平，并促进他们自己的研究和实际应用。我们还讨论了系统设计中的实际问题，开放的研究挑战，并指出了未来研究的一些重要方向。
2019-08-21 cs.CR cs.LG
SiNMULI: Novel Signed Network Approach for Malicious URL Identification
Techno India University（泰克诺印度大学）；Indian Institute of Information Technology, Guwahati（古瓦哈提印度信息技术学院）
本研究提出SiNMULI符号网络方法，将恶意URL识别转化为符号网络二分类问题，基于社会平衡理论推理，在真实数据集上以99.89%准确率优于传统模型，具备可解释性等优势，是实用的网络防御方案。
2026-08-20 cs.CR cs.NI cs.SE
MLPdf: An Effective Machine Learning Based Approach for PDF Malware Detection
由于便携式文档格式（PDF）的流行和主要PDF查看器应用程序中漏洞的增加，恶意软件作者继续使用它通过Web下载，电子邮件附件和其他方法在有针对性和非有针对性的攻击中提供恶意软件。关于如何有效阻止恶意PDF文档的话题在网络安全行业和学术界都受到了巨大的研究兴趣，并且没有放缓的迹象。在本文中，我们提出了一种新的方法的基础上，多层感知器（MLP）的神经网络模型，称为MLPdf，用于检测基于PDF的恶意软件。更具体地说，MLPdf模型使用具有随机梯度下降搜索的反向传播算法进行模型更新。一组高质量的功能是从两个真实世界的数据集，其中包括约105000良性和恶意的PDF文档提取。评估结果表明，所提出的MLPdf方法表现出优异的性能，显着优于所有评估的8个著名的商业反病毒扫描仪，达到了95.12%的高得多的真阳性率，同时保持了非常低的假阳性率为0.08%。
2018-08-21 cs.CR
DOMtegrity: Ensuring Web Page Integrity against Malicious Browser Extensions
在本文中，我们解决了一个未解决的问题，在现实世界中：如何确保网页内容的完整性，在浏览器中存在的恶意浏览器扩展？将机密用户凭据暴露给恶意扩展的问题已得到广泛理解，这促使各大银行部署双因素身份验证。然而，网络内容的“完整性”的重要性很少受到关注。我们实现了两个攻击现实世界中的网上银行网站，并表明，忽略的“完整性”的网页内容可以从根本上击败两个因素的解决方案。为了解决这个问题，我们提出了一个加密协议，称为DOMtegrity，以确保端到端的完整性的DOM结构的网页，从提供在Web服务器的渲染的页面在用户的浏览器。DOMtegrity是第一个保护DOM完整性而无需修改浏览器架构或需要额外硬件的解决方案。它的工作原理是利用浏览器扩展和内联JavaScript代码之间微妙而重要的差异。我们展示了DOMtegrity如何防止早期的攻击和一系列的浏览器中的人（MITB）攻击。我们对超过14，000个真实扩展进行了广泛的实验，以评估DOMtegrity的有效性。
2019-05-30 cs.CR cs.NI
algoXSSF: Detection and analysis of cross-site request forgery (XSRF) and cross-site scripting (XSS) attacks via Machine learning algorithms
针对网络攻击频发的问题，研究团队提出嵌入机器学习算法的algoXSSF框架，用于检测分析XSRF、XSS及中间人等网站恶意攻击，助力网络安全防御。
2024-02-01 cs.CR
SecureReg: Combining NLP and MLP for Enhanced Detection of Malicious Domain Name Registrations
SRH Berlin University of Applied Technology, Berlin School of Technology（SRH柏林应用技术大学柏林技术学院）；Technische Hochschule Brandenburg（勃兰登堡应用技术大学）
针对恶意域名注册激增的网络威胁问题，本文提出结合预训练NLP模型CANINE与MLP的SecureReg检测方法，通过对比新老域名生成特征，在对应数据集上实现84.86%的F1值与84.95%的准确率，优于单一模型，助力早期威胁检测。
2024-07-10 cs.AI cs.CR
SkillGate: Cost Efficient Runtime Malicious Skill File Detection in Coding Agents
Monash University（蒙纳士大学）；Transurban；The University of Melbourne（墨尔本大学）
研究针对编码代理中恶意技能文件检测问题，提出SkillGate安全网关，采用混合正则表达式预过滤器+大语言模型判断管道，在SkillsBench基准测试中，检测效果好、成本低、运行时开销小，相比现有工具性能显著提升。
2026-07-29 cs.CR cs.SE
From Chatbots to PhishBots? -- Preventing Phishing scams created using ChatGPT, Google Bard and Claude
The University of Texas at Arlington（德克萨斯大学阿灵顿分校）
本研究发现四款主流商用大语言模型无需越狱即可生成高仿真钓鱼内容及恶意提示，为此提出基于BERT的跨模型恶意提示检测工具，平均准确率超94%，已披露漏洞并开源工具。
2024-03-10 cs.CL cs.CR
A Whole New World: Creating a Parallel-Poisoned Web Only AI-Agents Can See
JFrog
本文提出利用网站伪装技术的新型攻击向量，通过识别AI智能体数字指纹投放含隐藏恶意指令的伪装页面，可劫持智能体行为且对人类不可见，揭示了智能体AI的新安全威胁与防御紧迫性。
2025-08-29 cs.AI cs.CR cs.CY
An Adversarial Attack Analysis on Malicious Advertisement URL Detection Framework
Sabanci University（萨班哲大学）；University of Padua（帕多瓦大学）；MNNIT Allahabad（印度莫蒂拉尔·尼赫鲁国家技术学院阿拉哈巴德分校）；University of Delhi（德里大学）
恶意广告URL构成了安全风险，因为它们是网络攻击的来源，并且解决这个问题的需求在工业界和学术界都在增长。通常，攻击者通过电子邮件、广告链接或任何其他通信手段向用户传递攻击向量，并将他们引导到恶意网站以窃取敏感信息并欺骗他们。现有的恶意URL检测技术是有限的，并处理看不见的功能，以及推广到测试数据。在本研究中，我们提出一套新颖的词汇及网页废弃特徴，并利用机器学习技术来建立一套欺诈广告网址侦测系统。六种不同类型的特征的组合集合精确地克服了欺诈URL分类中的混淆。基于不同的统计特性，我们使用12种不同格式的数据集进行检测，预测和分类任务。我们扩展了对不匹配和未标记数据集的预测分析。在这个框架中，我们分析了四种机器学习技术：随机森林，梯度增强，XGBoost和AdaBoost在检测部分的性能。使用我们提出的方法，我们可以实现低至0.0037的假阴性率，同时保持99.63%的高准确性。此外，我们设计了一种新的无监督的数据聚类技术，使用K均值算法的可视化分析。本文在有限知识攻击场景下分析了基于决策树模型的脆弱性。我们考虑了探测攻击，并对检测模型进行了零阶优化对抗攻击。
2022-04-27 cs.AI cs.CR cs.LG
A Graph-Attentive LSTM Model for Malicious URL Detection
Department of Electrical and Electronic Engineering, Dhaka University of Engineering & Technology, Gazipur, Bangladesh（达卡工程与技术大学电子与电气工程系，孟加拉国加兹ipur）；Department of Computer Science and Engineering, Atish Dipankar University of Science and Technology, Dhaka, Bangladesh（阿蒂什迪帕克尔科学技术大学计算机科学与工程系，孟加拉国达卡）；Department of Computer Science, Utah Valley University, 800 W University Pkwy, Orem, UT 84058, USA（犹他山谷大学计算机科学系，美国奥尔姆，UT 84058）
针对黑名单难以识别新型或混淆恶意URL的问题，提出融合GNN、GAT与LSTM的GNN-GAT-LSTM模型，从URL字符图中提取结构与序列特征，在651,191个URL上取得0.9806准确率。
2025-10-12 cs.AI cs.CR
PhishMatch: A Layered Approach for Effective Detection of Phishing URLs
TCS Research（塔塔咨询服务研究部）
网络钓鱼攻击仍然是互联网上的一个重大威胁。先前的研究表明，可以通过更仔细地分析其URL来确定网站是否是钓鱼网站。基于URL的方法的一个主要优点是，它甚至可以在网页在浏览器中呈现之前识别钓鱼网站，从而避免其他潜在的问题，例如加密劫持和驾车下载。然而，传统的基于URL的方法有其局限性。基于黑名单的方法容易受到零时网络钓鱼攻击，基于高级机器学习的方法消耗高资源，而其他方法将URL发送到危及用户隐私的远程服务器。在本文中，我们提出了一个分层的反钓鱼防御，PhishMatch，这是强大的，准确的，廉价的，和客户端。我们设计了一个时空有效的Aho-Corasick算法的精确字符串匹配和基于n-gram的索引技术的近似字符串匹配，以检测各种域名抢注技术在钓鱼网址。为了减少误报，我们使用全局白名单和个性化用户白名单。我们还确定访问URL的上下文，并使用该信息更准确地对输入URL进行分类。PhishMatch的最后一个组件涉及一个机器学习模型和受控的搜索引擎查询来对URL进行分类。一个为Chrome浏览器开发的PhishMatch原型插件被发现是快速和轻量级的。我们的评估表明，PhishMatch是高效和有效的。
2021-12-04 cs.CR cs.LG
Fewer Weights, More Problems: A Practical Attack on LLM Pruning
ETH Zurich（苏黎世联邦理工学院）
本文首次揭示了现代LLM剪枝方法可能被恶意利用的问题，通过构造看似无害的模型，在剪枝后表现出恶意行为，展示了剪枝过程中的安全风险。
2026-04-06 cs.AI cs.CR cs.LG
Enhance the machine learning algorithm performance in phishing detection with keyword features
New York University（纽约大学）
本文提出一种将关键词特征与传统特征结合的新方法，从特征选择角度增强机器学习算法在钓鱼URL检测中的性能，不依赖第三方服务，在大小数据集上均显著降低分类错误率，最佳准确率达99.68%。
2025-08-12 cs.AI cs.CR cs.LG
