Los investigadores de Ensign InfoSecurity presentan 'TypoSwype': un enfoque de imágenes basado en inteligencia artificial (IA) para detectar ataques de Typosquatting

Los atacantes cibernéticos usan muchos métodos para engañar a los consumidores para que visiten sitios web maliciosos o entreguen información privada. Una de las formas más populares de ciberataque es el typosquatting, que se aprovecha de la propensión de las personas a cometer errores tipográficos al escribir rápidamente oa malinterpretar palabras con defectos topográficos menores. En su mayor parte, el typosquatting implica la construcción de sitios web maliciosos con direcciones URL similares a las de los sitios legítimos pero que contienen errores tipográficos (p. ej., "fqcebook" en lugar de "facebook" o "yuube" en lugar de "youtube"). Si un usuario accede accidentalmente a uno de estos sitios, es posible que descargue software malicioso o proporcione información confidencial a los ciberdelincuentes.

Por lo tanto, los investigadores en el campo de la informática se esfuerzan constantemente por crear métodos más sofisticados para detectar y contrarrestar tales ataques.

La mayoría de los métodos actuales para detectar este tipo de ataques de phishing se basan en el uso de correctores ortográficos. Estas técnicas tienen una utilidad limitada fuera de contextos específicos porque su eficacia a menudo depende del léxico de las palabras utilizadas para enseñarlas.

Investigadores del proveedor de servicios de ciberseguridad de extremo a extremo de Singapur, Ensign InfoSecurity, desarrollaron TypoSwype como una herramienta alternativa basada en análisis de imágenes para detectar amenazas de typosquatting. Esta herramienta utiliza métodos sofisticados de reconocimiento de imágenes para convertir cadenas de texto en gráficos de teclado. 

TypoSwype captura el espacio entre los caracteres del teclado, a diferencia de los métodos introducidos anteriormente para detectar errores tipográficos, dibujando líneas entre los botones de caracteres consecutivos en un teclado hipotético. Esto ayuda a corregir las imprecisiones de las métricas de distancia de edición de cadenas utilizadas anteriormente (es decir, métodos que determinan el grado de diferencia entre dos palabras o secuencias de caracteres).

El equipo utilizó métodos de reconocimiento de imágenes, ya que son más rápidos que las soluciones de coincidencia de cadenas y pueden escanear numerosos dominios potenciales de errores tipográficos simultáneamente.

Ensign InfoSecurity integrará TypoSwype en su arsenal de soluciones antiphishing, haciéndolo accesible a personas de todo el mundo.

En una serie de experimentos, los investigadores compararon la eficacia de su herramienta de detección de errores tipográficos con la del algoritmo DLD, un popular modelo de ciberseguridad. Descubrieron que TypoSwype era superior a DLD en la detección de errores tipográficos e identificaba correctamente los dominios legítimos y conocidos en los que los ciberdelincuentes intentaban “errores tipográficos”.

Según el equipo, TypoSwype es la primera aplicación de redes neuronales convolucionales (CNN) al problema de los errores tipográficos utilizando entradas de Swype. Swyping automáticamente tiene en cuenta la distancia desde el teclado que tienen la mayoría de los errores tipográficos. Debido a que establece un límite inferior para imágenes de Swype diferentes, los investigadores también utilizan la pérdida de triplete y la pérdida de NT-Xent a lo largo del proceso de entrenamiento de su modelo. Mejoraron las métricas para identificar dominios de typosquatting potencialmente maliciosos mediante el uso de técnicas de coincidencia de distancia de edición de cadenas, que identifican de manera efectiva dominios que ya son bastante similares.

El equipo espera que su trabajo ayude a la comunidad investigadora a desarrollar técnicas de ciberseguridad basadas en modelos de reconocimiento de imágenes.

Este artículo está escrito como un artículo de resumen de investigación por el personal de Marktechpost basado en el trabajo de investigación 'TypoSwype: un enfoque de imágenes para detectar errores tipográficos en cuclillas'. Todo el crédito de esta investigación es para los investigadores de este proyecto. Revisar la   y artículo de referencia.

Por favor no olvides unirte Nuestro subreddit de ML

<!–

->