論文の概要: QRïS: A Preemptive Novel Method for Quishing Detection Through Structural Features of QR

• arxiv url: http://arxiv.org/abs/2510.17175v1
• Date: Mon, 20 Oct 2025 05:30:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.020084
• Title: QRïS: A Preemptive Novel Method for Quishing Detection Through Structural Features of QR
• Title（参考訳）: QR-S:QRの構造的特徴による検出のプリエンプティブな新しい方法
• Authors: Muhammad Wahid Akram, Keshav Sood, Muneeb Ul Hassan,
• Abstract要約: サイバー攻撃者は偽造情報と誤認情報をQRコードに埋め込んで、様々なフィッシング攻撃を起動する。 QRコードの包括的構造解析によりQRコードを分類する先駆的手法であるQR"iSを提案する。 提案手法は明らかに透明であり,再現性,拡張性,理解が容易である。
• 参考スコア（独自算出の注目度）: 3.1186758722870582
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Globally, individuals and organizations employ Quick Response (QR) codes for swift and convenient communication. Leveraging this, cybercriminals embed falsify and misleading information in QR codes to launch various phishing attacks which termed as Quishing. Many former studies have introduced defensive approaches to preclude Quishing such as by classifying the embedded content of QR codes and then label the QR codes accordingly, whereas other studies classify them using visual features (i.e., deep features, histogram density analysis features). However, these approaches mainly rely on black-box techniques which do not clearly provide interpretability and transparency to fully comprehend and reproduce the intrinsic decision process; therefore, having certain obvious limitations includes the approaches' trust, accountability, issues in bias detection, and many more. We proposed QR\"iS, the pioneer method to classify QR codes through the comprehensive structural analysis of a QR code which helps to identify phishing QR codes beforehand. Our classification method is clearly transparent which makes it reproducible, scalable, and easy to comprehend. First, we generated QR codes dataset (i.e. 400,000 samples) using recently published URLs datasets [1], [2]. Then, unlike black-box models, we developed a simple algorithm to extract 24 structural features from layout patterns present in QR codes. Later, we train the machine learning models on the harvested features and obtained accuracy of up to 83.18%. To further evaluate the effectiveness of our approach, we perform the comparative analysis of proposed method with relevant contemporary studies. Lastly, for real-world deployment and validation, we developed a mobile app which assures the feasibility of the proposed solution in real-world scenarios which eventually strengthen the applicability of the study.
• Abstract（参考訳）: グローバルに、個人や組織は、迅速で便利なコミュニケーションのためにクイックレスポンス(QR)コードを使用している。 これを利用して、サイバー犯罪者は偽造情報をQRコードに埋め込んで、様々なフィッシング攻撃を起動する。 従来の多くの研究はQRコードの埋め込み内容を分類し、それに従ってQRコードにラベルをつけるなど、クイッシングを防ぐための防御的アプローチを導入してきたが、他の研究では視覚的特徴(ディープ特徴、ヒストグラム密度分析の特徴)を使ってそれらを分類している。 しかしながら、これらのアプローチは主に、本質的な決定プロセスを完全に理解し、再現するために、解釈可能性と透明性を明らかに提供しないブラックボックス技術に依存しているため、明確な制限には、アプローチの信頼、説明責任、バイアス検出の問題などが含まれる。 我々はQRコードの包括的構造解析を通じてQRコードを分類する先駆的手法であるQR\"iSを提案した。 我々の分類法は明らかに透明であり、再現性、拡張性、理解し易い。 まず、最近公開されたURLデータセット[1],[2]を用いてQRコードデータセット(400,000サンプル)を生成しました。 そして、ブラックボックスモデルとは異なり、QRコードに存在するレイアウトパターンから24個の構造特徴を抽出する簡単なアルゴリズムを開発した。 その後、得られた特徴に基づいて機械学習モデルをトレーニングし、最大83.18%の精度を得た。 本手法の有効性を更に評価するために,提案手法と同時代の研究との比較分析を行った。 最後に、実世界の展開と検証のために、提案したソリューションが現実のシナリオで実現可能であることを保証し、最終的に研究の適用性を高めるモバイルアプリを開発した。

関連論文リスト

• RECODE: Reasoning Through Code Generation for Visual Question Answering [68.86938437188964]
  我々は、検証可能な視覚的推論のための新しいモダリティとして、視覚を実行可能コードにリバースエンジニアリングするプロセスであるデレンダリングを活用することを提案する。 我々の研究は、実行可能コードにおける視覚的認識の基盤が、より正確で検証可能なマルチモーダル推論への新たな道を提供することを示した。
  論文  参考訳（メタデータ） (2025-10-15T17:05:37Z)
• Detecting Quishing Attacks with Machine Learning Techniques Through QR Code Analysis [2.8161155726745237]
  QRコードベースのフィッシング("Quishing")の台頭はサイバーセキュリティの脅威を増大させる。 既存の検出手法は主にQRコードペイロードの抽出を必要とするURL分析に重点を置いている。 組込みコンテンツを抽出することなくQRコード構造や画素パターンを直接解析する,検出のための最初のフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-06T11:47:13Z)
• Uncertainty Quantification in Retrieval Augmented Question Answering [45.573346610161195]
  本稿では,QAモデルが備える通路の有効性を推定することで,QAモデルの不確実性を定量化する。 我々は、目標QAモデルの通過効率を予測するために軽量ニューラルネットワークを訓練し、単純な情報理論のメトリクスが解の正しさをある程度予測できる一方で、より高価なサンプリングベースの手法を効率的に近似または上回ることを示す。
  論文  参考訳（メタデータ） (2025-02-25T11:24:52Z)
• DiffQRCoder: Diffusion-based Aesthetic QR Code Generation with Scanning Robustness Guided Iterative Refinement [9.43230708612551]
  本研究では,QRコードをスキャン可能かつ視覚的に楽しむためのトレーニングフリーなDiffusionベースのQRコード生成器(DiffQRCoder)を提案する。 提案手法では,拡散モデルのための新しい拡散誘導であるSRPG(Scanning-Robust Perceptual Guidance)を導入する。 我々のアプローチは95%以上のSSRを強力に達成し、実世界のアプリケーションにその能力を示す。
  論文  参考訳（メタデータ） (2024-09-10T09:22:35Z)
• A Fresh Take on Stale Embeddings: Improving Dense Retriever Training with Corrector Networks [81.2624272756733]
  密集検索では、ディープエンコーダは入力とターゲットの両方に埋め込みを提供する。 我々は、古いキャッシュされたターゲット埋め込みを調整できる小さなパラメトリック補正ネットワークを訓練する。 私たちのアプローチは、トレーニング中にターゲット埋め込み更新が行われなくても、最先端の結果と一致します。
  論文  参考訳（メタデータ） (2024-09-03T13:29:13Z)
• Question Answering Infused Pre-training of General-Purpose Contextualized Representations [70.62967781515127]
  汎用的文脈表現学習のための質問応答(QA)に基づく事前学習目的を提案する。 我々は、より正確なクロスエンコーダモデルの予測と一致するように、個別にパスと質問をエンコードするバイエンコーダQAモデルをトレーニングすることで、この目標を達成する。 ゼロショット, 少数ショットのパラフレーズ検出において, RoBERTa-large と過去の最先端のどちらよりも大幅に改善した。
  論文  参考訳（メタデータ） (2021-06-15T14:45:15Z)
• An End-to-end Method for Producing Scanning-robust Stylized QR Codes [45.35370585928748]
  そこで我々はArtCoderという新しいエンドツーエンド手法を提案し,QRコードをスタイリングする。 実験の結果,スタイリングQRコードは視覚効果とスキャニング・ロバスト性の両方において高品質であることがわかった。
  論文  参考訳（メタデータ） (2020-11-16T09:38:27Z)

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。