يقدم الباحثون في مجال الأمن معلومات "TypoSwype": أسلوب التصوير القائم على الذكاء الاصطناعي (AI) للكشف عن هجمات السطو المطبعي

يستخدم المخترقون الإلكترونيون العديد من الأساليب لخداع المستهلكين لزيارة مواقع ويب ضارة أو تقديم معلومات خاصة. أحد أكثر أشكال الهجمات الإلكترونية شيوعًا هو السطو المطبعي ، والذي يستفيد من ميل الناس لارتكاب أخطاء إملائية عند الكتابة بسرعة أو لإساءة فهم الكلمات التي بها عيوب طبوغرافية بسيطة. بالنسبة للجزء الأكبر ، تتضمن الكتابة المطبعية إنشاء مواقع ويب ضارة بعناوين URL مشابهة لتلك الخاصة بالمواقع الشرعية ولكنها تحتوي على أخطاء إملائية (على سبيل المثال ، "fqcebook" بدلاً من "facebook" أو "yuube" بدلاً من "youtube"). إذا قام أحد المستخدمين بالوصول عن طريق الخطأ إلى أحد هذه المواقع ، فقد يقوم عن غير قصد بتنزيل برامج ضارة أو تقديم معلومات حساسة لمجرمي الإنترنت.

لذلك ، يسعى الباحثون في مجال علوم الكمبيوتر باستمرار إلى إنشاء طرق أكثر تعقيدًا لاكتشاف مثل هذه الهجمات والتصدي لها.

تعتمد معظم الطرق الحالية لاكتشاف هجمات التصيد الاحتيالي هذه على استخدام المدققات الإملائية. هذه التقنيات لها فائدة محدودة خارج السياقات المحددة لأن فعاليتها تعتمد غالبًا على قاموس الكلمات المستخدمة في تعليمها.

طور باحثون من مزود خدمات الأمن السيبراني الشامل في سنغافورة ، Ensign InfoSecurity ، TypoSwype كأداة بديلة قائمة على تحليل الصور للكشف عن تهديدات السطو المطبعي. تستخدم هذه الأداة أساليب متطورة للتعرف على الصور لتحويل السلاسل النصية إلى رسومات لوحة المفاتيح. 

يلتقط TypoSwype المسافة بين الأحرف على لوحة المفاتيح ، على عكس الأساليب التي تم تقديمها سابقًا للكشف عن الكتابة المطبعية ، عن طريق رسم خطوط بين أزرار الأحرف المتتالية على لوحة مفاتيح افتراضية. يساعد هذا في تصحيح عدم الدقة في مقاييس مسافة تحرير السلسلة المستخدمة سابقًا (أي الطرق التي تحدد درجة الاختلاف بين كلمتين أو تسلسل الأحرف).

استخدم الفريق طرق التعرف على الصور لأنها أسرع من حلول مطابقة السلاسل ويمكنه مسح العديد من المجالات المحتملة في وقت واحد.

ستقوم Ensign InfoSecurity بدمج TypoSwype في ترسانتها من حلول مكافحة التصيد الاحتيالي ، مما يجعلها في متناول الناس في جميع أنحاء العالم.

في سلسلة من التجارب ، قارن الباحثون فعالية أداة اكتشاف الأخطاء المطبعية مع فعالية خوارزمية DLD ، وهي نموذج شائع للأمن السيبراني. اكتشفوا أن TypoSwype كان متفوقًا على DLD في اكتشاف الأخطاء المطبعية وتحديد المجالات المشروعة والمعروفة جيدًا التي كان مجرمو الإنترنت يحاولون "الضغط المطبعي" عليها.

وفقًا للفريق ، فإن TypoSwype هو أول تطبيق للشبكات العصبية التلافيفية (CNNs) لمشكلة الكتابة المطبعية باستخدام مدخلات Swype. يقوم Swyping تلقائيًا بحساب المسافة من لوحة المفاتيح التي تحتوي عليها معظم الأخطاء الإملائية. نظرًا لأنه ينشئ حدًا أدنى لصور Swype غير المتشابهة ، يستخدم الباحثون أيضًا خسارة ثلاثية وخسارة NT-Xent طوال عملية التدريب لنموذجهم. لقد قاموا بتحسين المقاييس لتحديد المجالات الخبيثة التي يحتمل أن تكون خبيثة باستخدام تقنيات مطابقة مسافة تحرير السلسلة ، والتي تحدد بشكل فعال المجالات المتشابهة بالفعل.

يأمل الفريق أن يساعد عملهم مجتمع البحث على تطوير تقنيات الأمن السيبراني بناءً على نماذج التعرف على الصور.

تمت كتابة هذه المقالة كمقالة ملخص بحثي بواسطة موظفي Marktechpost بناءً على ورقة البحث 'TypoSwype: أسلوب تصوير للكشف عن الانحناء المطبعي". يذهب كل الفضل في هذا البحث إلى الباحثين في هذا المشروع. تفحص ال ورقة و  مقالة مرجعية.

من فضلك لا تنسى الانضمام لدينا ML Subreddit

<!–

->