論文の概要: Know Your Cybercriminal: Evaluating Attacker Preferences by Measuring
Profile Sales on an Active, Leading Criminal Market for User Impersonation at
Scale
- arxiv url: http://arxiv.org/abs/2303.03249v1
- Date: Mon, 6 Mar 2023 16:05:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 15:30:41.370520
- Title: Know Your Cybercriminal: Evaluating Attacker Preferences by Measuring
Profile Sales on an Active, Leading Criminal Market for User Impersonation at
Scale
- Title（参考訳）: サイバー犯罪を知る: 大規模ユーザ偽造の犯罪市場をリードするアクティブなプロファイル販売の測定によるアタッカー選好の評価
- Authors: Michele Campobasso, Luca Allodi
- Abstract要約: データ収集は161ドル(約1万1000円)の期間で行い、販売されたユーザプロファイルのサンプルのデータを収集します。
我々は1日あたりの市場取引額を700ドル程度と見積もる。
- 参考スコア（独自算出の注目度）: 10.736626320566707
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we exploit market features proper of a leading Russian
cybercrime market for user impersonation at scale to evaluate attacker
preferences when purchasing stolen user profiles, and the overall economic
activity of the market. We run our data collection over a period of $161$ days
and collect data on a sample of $1'193$ sold user profiles out of $11'357$
advertised products in that period and their characteristics. We estimate a
market trade volume of up to approximately $700$ profiles per day,
corresponding to estimated daily sales of up to $4'000$ USD and an overall
market revenue within the observation period between $540k$ and $715k$ USD. We
find profile provision to be rather stable over time and mainly focused on
European profiles, whereas actual profile acquisition varies significantly
depending on other profile characteristics. Attackers' interests focus
disproportionally on profiles of certain types, including those originating in
North America and featuring $crypto$ resources. We model and evaluate the
relative importance of different profile characteristics in the final decision
of an attacker to purchase a profile, and discuss implications for defenses and
risk evaluation.
- Abstract（参考訳）: 本稿では,ロシアの主要なサイバー犯罪市場であるユーザ偽装市場の特徴を活用し,盗んだユーザプロファイルの購入時の攻撃者の嗜好や,市場全体の経済活動を評価する。
私たちは161ドルの期間にわたってデータ収集を行い、その期間に宣伝された製品1,357ドルのうち、193ドルのユーザプロファイルをサンプルとして収集し、それらの特徴と特徴を収集します。
市場取引額は1日あたり700ドル程度と見積もられており、推定1日あたりの売上高は4万ドル、市場全体の売上は540万ドルから715万ドルの間と見積もられている。
プロファイル設定は時間とともにかなり安定しており、主にヨーロッパのプロファイルに焦点を当てているのに対して、実際のプロファイル取得は他のプロファイル特性によって大きく異なる。
攻撃者の興味は、北米に起源を持つものや、$crypto$のリソースを含む特定のタイプのプロファイルに不当に焦点を合わせている。
攻撃者がプロファイルを購入する最終決定において、異なるプロファイル特性の相対的重要性をモデル化し、評価し、防御とリスク評価について論じる。
関連論文リスト
- Data Distribution Valuation [56.71023681599737]
既存のデータバリュエーションメソッドは、離散データセットの値を定義します。
多くのユースケースでは、ユーザはデータセットの値だけでなく、データセットがサンプリングされた分布の値にも興味を持っています。
本稿では,理論的原理と実行可能なポリシを実現するための,MMDに基づく評価手法を提案する。
論文 参考訳（メタデータ） (2024-10-06T07:56:53Z) - On mission Twitter Profiles: A Study of Selective Toxic Behavior [5.0157204307764625]
本研究は「オンミッションプロファイル」と呼ばれる影響操作に使用される可能性のあるプロファイルを特徴付けることを目的とする。
128万件のTwitterやX、プロフィール、293万件のツイートの時系列データは、テーマの多様性に基づいたプロファイリングを可能にする。
論文 参考訳（メタデータ） (2024-01-25T15:42:36Z) - Utilizing Model Residuals to Identify Rental Properties of Interest: The
Price Anomaly Score (PAS) and Its Application to Real-time Data in Manhattan [0.0]
2023年9月現在、マンハッタンで利用可能なすべての不動産のデータを収集し、モデル残高の理解を深めることを目的としている。
これらの知見を活用するために、不規則に予測される価格のバウンダリを捕捉できる指標であるPrice Anomaly Score(PAS)を導入する。
論文 参考訳（メタデータ） (2023-11-29T00:14:30Z) - A Causal Perspective on Loan Pricing: Investigating the Impacts of
Selection Bias on Identifying Bid-Response Functions [1.0937531920233807]
我々は、因果推論の問題として価格を装い、選択バイアスの効果を理解するための一歩を踏み出した。
本研究では,ベルギーにおけるローンローン申請に関する半合成データセットにおいて,選択バイアスのレベルをシミュレートした。
我々は、因果機械学習による最先端の手法を実装し、価格データの選択バイアスを克服する能力を示す。
論文 参考訳（メタデータ） (2023-09-07T14:14:30Z) - Gaussian Membership Inference Privacy [22.745970468274173]
我々は、$f$-Membership Inference Privacy(f$-MIP)という新しい実用的なプライバシー概念を提案する。
我々は、比例比に基づく勾配降下(SGD)に対する会員推測攻撃を理論的に分析することにより、$mu$-Gaussian Membership Inference Privacy(mu$-GMIP)と呼ばれる、$f$-MIPの家族を導出する。
論文 参考訳（メタデータ） (2023-06-12T17:57:05Z) - Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。
ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
論文 参考訳（メタデータ） (2023-04-06T05:20:16Z) - One Size Does not Fit All: Quantifying the Risk of Malicious App
Encounters for Different Android User Profiles [18.58456177992614]
ユーザコミュニティ全体でマルウェアに遭遇するリスクを,大規模に定量的に分析する。
私たちの調査の核心は、1200万のAndroidモバイルデバイスから収集されたアプリのインストールログのデータセットです。
以上の結果から,一大保護ソリューションが不十分であることが確認された。
論文 参考訳（メタデータ） (2023-01-18T07:31:41Z) - Price DOES Matter! Modeling Price and Interest Preferences in
Session-based Recommendation [55.0391061198924]
セッションベースのレコメンデーションは、匿名ユーザが自分の短い行動シーケンスに基づいて購入したいアイテムを予測することを目的としている。
セッションベースのレコメンデーションの価格設定を組み込むのは簡単ではない。
セッションベースレコメンデーションのためのCoHHN(Co-guided Heterogeneous Hypergraph Network)を提案する。
論文 参考訳（メタデータ） (2022-05-09T10:47:15Z) - Estimating Structural Disparities for Face Models [54.062512989859265]
機械学習では、異なるサブ人口間でのモデルの性能や結果の差を測定することで、しばしば異質度の測定が定義される。
本研究では、人間の顔に訓練されたコンピュータビジョンモデルや、顔属性予測や影響推定などのタスクについて、そのような分析を行う。
論文 参考訳（メタデータ） (2022-04-13T05:30:53Z) - Fairness, Welfare, and Equity in Personalized Pricing [88.9134799076718]
顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。
選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
論文 参考訳（メタデータ） (2020-12-21T01:01:56Z) - Sampling Attacks: Amplification of Membership Inference Attacks by
Repeated Queries [74.59376038272661]
本手法は,他の標準メンバーシップ相手と異なり,被害者モデルのスコアにアクセスできないような厳格な制限の下で動作可能な,新しいメンバーシップ推論手法であるサンプリングアタックを導入する。
ラベルのみを公開している被害者モデルでは,攻撃のサンプリングが引き続き可能であり,攻撃者はその性能の最大100%を回復できることを示す。
防衛においては,被害者モデルのトレーニング中の勾配摂動と予測時の出力摂動の形式で差分プライバシーを選択する。
論文 参考訳（メタデータ） (2020-09-01T12:54:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。