Investigadores de seguridad presentan «TypoSwype»: un método de imágenes basado en inteligencia artificial (IA) para detectar ataques de plagio

Los piratas informáticos utilizan muchos métodos para engañar a los consumidores para que visiten sitios web maliciosos o proporcionen información privada. Una de las formas más comunes de ciberataque es el robo tipográfico, que se aprovecha de la tendencia de las personas a cometer errores ortográficos al escribir rápidamente oa malinterpretar palabras con defectos topográficos menores. En su mayor parte, los errores tipográficos implican la creación de sitios web maliciosos con direcciones URL similares a las de los sitios legítimos pero mal escritas (p. ej., «fqcebook» en lugar de «facebook» o «yuube» en lugar de «youtube»). Si un usuario accede accidentalmente a uno de estos sitios, puede descargar malware sin darse cuenta o proporcionar información confidencial a los ciberdelincuentes.

Por lo tanto, los investigadores en el campo de la informática buscan constantemente crear formas más sofisticadas para detectar y responder a tales ataques.

La mayoría de los métodos actuales para detectar estos 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 diccionario de palabras utilizado para enseñarlas.

TypoSwype ha sido desarrollado por investigadores del proveedor integral de servicios de ciberseguridad de Singapur, Ensign InfoSecurity, como una herramienta alternativa basada en el análisis de imágenes para detectar amenazas de robo. Esta herramienta utiliza métodos avanzados de reconocimiento de imágenes para convertir cadenas de texto en gráficos de teclado.

TypoSwype captura el espacio entre los caracteres en un teclado, a diferencia de los métodos de detección tipográfica introducidos anteriormente, al dibujar líneas entre los botones de caracteres sucesivos en un teclado virtual. Esto ayuda a corregir imprecisiones en las medidas de distancia de edición de cadenas usadas 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 porque son más rápidos que las soluciones de coincidencia de cadenas y pueden escanear muchos dominios potenciales a la vez.

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 efectividad de una herramienta de búsqueda de errores tipográficos con la del algoritmo DLD, un modelo popular de ciberseguridad. Descubrieron que TypoSwype era superior a DLD para detectar errores tipográficos e identificar áreas legítimas y conocidas en las que los ciberdelincuentes intentaban «presionar».

Según el equipo, TypoSwype es la primera aplicación de redes neuronales convolucionales (CNN) a un problema tipográfico que utiliza entradas de Swype. Swyping calcula automáticamente la distancia desde el teclado que tiene más faltas de ortografía. Dado que crea un límite inferior para imágenes de Swype disímiles, los investigadores también utilizan pérdida triple y pérdida NT-Xent durante todo el proceso de entrenamiento de su modelo. Han mejorado las métricas para identificar dominios potencialmente maliciosos utilizando técnicas de coincidencia de distancia de edición de cadenas, que identifican de manera efectiva los dominios que ya son similares.

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

This Article is written as a research summary article by Marktechpost Staff based on the research paper 'TypoSwype: An Imaging Approach to Detect Typo-Squatting'. All Credit For This Research Goes To Researchers on This Project. Check out the paper and reference article.

Please Don't Forget To Join Our ML Subreddit