Ensign InfoSecurity Peneliti Menghadirkan 'TypoSwype': Pendekatan Pencitraan Berbasis Kecerdasan Buatan (AI) untuk Mendeteksi Serangan Typosquatting

Penyerang dunia maya menggunakan banyak metode untuk mengelabui konsumen agar mengunjungi situs web berbahaya atau memberikan informasi pribadi. Salah satu bentuk serangan dunia maya yang paling populer adalah kesalahan ketik, yang memanfaatkan kecenderungan orang untuk membuat kesalahan ketik saat mengetik dengan cepat atau salah memahami kata dengan kekurangan topografi kecil. Sebagian besar, kesalahan ketik melibatkan pembangunan situs web berbahaya dengan URL yang mirip dengan situs resmi tetapi mengandung kesalahan ketik (mis., "fqcebook" bukan "facebook" atau "yuube" bukan "youtube"). Jika pengguna secara tidak sengaja mengakses salah satu situs ini, mereka mungkin dengan enggan mengunduh perangkat lunak berbahaya atau memberikan informasi sensitif kepada penjahat dunia maya.

Oleh karena itu, para peneliti di bidang ilmu komputer secara konsisten berupaya menciptakan metode yang lebih canggih untuk mendeteksi dan menangkal serangan tersebut.

Sebagian besar metode terkini untuk mendeteksi serangan phishing semacam itu bergantung pada penggunaan pemeriksa ejaan. Teknik-teknik ini memiliki utilitas terbatas di luar konteks tertentu karena keefektifannya sering bergantung pada leksikon kata yang digunakan untuk mengajarnya.

Para peneliti dari penyedia layanan keamanan siber end-to-end Singapura, Ensign InfoSecurity, mengembangkan TypoSwype sebagai alat berbasis analisis gambar alternatif untuk mendeteksi ancaman pengetikan. Alat ini menggunakan metode pengenalan gambar yang canggih untuk merender string teks menjadi grafik keyboard. 

TypoSwype menangkap ruang antar karakter pada keyboard, tidak seperti metode yang diperkenalkan sebelumnya untuk mendeteksi kesalahan ketik, dengan menggambar garis di antara tombol karakter yang berurutan pada keyboard hipotetis. Ini membantu memperbaiki ketidakakuratan metrik jarak edit string yang digunakan sebelumnya (yaitu, metode yang menentukan tingkat perbedaan antara dua kata atau urutan karakter).

Tim tersebut menggunakan metode pengenalan gambar karena metode ini lebih cepat daripada solusi pencocokan string dan dapat memindai banyak domain potensial kesalahan ketik secara bersamaan.

Ensign InfoSecurity akan mengintegrasikan TypoSwype ke dalam gudang solusi anti-phishing, membuatnya dapat diakses oleh semua orang di seluruh dunia.

Dalam serangkaian percobaan, para peneliti membandingkan kemanjuran alat deteksi kesalahan ketik mereka dengan algoritme SLJJ, model keamanan siber yang populer. Mereka menemukan bahwa TypoSwype lebih unggul daripada DLD dalam mendeteksi kesalahan ketik dan dengan benar mengidentifikasi domain yang sah dan terkenal yang dicoba oleh penjahat dunia maya untuk "salah ketik".

Sesuai tim, TypoSwype adalah aplikasi pertama dari jaringan saraf convolutional (CNN) untuk masalah kesalahan ketik menggunakan input Swype. Swyping secara otomatis memperhitungkan jarak dari keyboard yang dimiliki sebagian besar kesalahan ketik. Karena menetapkan batas bawah untuk gambar Swype yang berbeda, kehilangan Triplet dan kehilangan NT-Xent juga digunakan oleh para peneliti selama proses pelatihan model mereka. Mereka meningkatkan metrik untuk mengidentifikasi domain kesalahan ketik yang berpotensi berbahaya dengan menggunakan teknik pencocokan jarak edit string, yang secara efektif mengidentifikasi domain yang sudah sangat mirip.

Tim berharap pekerjaan mereka akan membantu komunitas riset mengembangkan teknik keamanan siber berdasarkan model pengenalan gambar.

Artikel ini ditulis sebagai artikel ringkasan penelitian oleh Staf Marktechpost berdasarkan makalah penelitian 'TypoSwype: Pendekatan Pencitraan untuk Mendeteksi Typo-Squatting'. Semua Kredit Untuk Penelitian Ini Diberikan Kepada Para Peneliti di Proyek Ini. Lihat kertas dan artikel referensi.

Silahkan Jangan Lupa Untuk Bergabung Subreddit ML kami

<!–

->