論文の概要: PP3D: An In-Browser Vision-Based Defense Against Web Behavior Manipulation Attacks

• arxiv url: http://arxiv.org/abs/2510.18465v1
• Date: Tue, 21 Oct 2025 09:42:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:13.332157
• Title: PP3D: An In-Browser Vision-Based Defense Against Web Behavior Manipulation Attacks
• Title（参考訳）: PP3D: ブラウザ内ビジョンによるWeb行動操作攻撃に対する防御
• Authors: Spencer King, Irfan Ozen, Karthika Subramani, Saranyan Senthivel, Phani Vadrevu, Roberto Perdisci,
• Abstract要約: Webベースの行動操作攻撃(BMA)は、情報収集攻撃(フィッシングなど)やマルウェアの感染など、他の攻撃と比較して調査されていない。 我々はPixel Patrol 3D(PP3D)を紹介した。これは、行動操作SE攻撃をリアルタイムで検出、検出、防御する最初のエンドツーエンドブラウザフレームワークである。
• 参考スコア（独自算出の注目度）: 3.592319760548714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Web-based behavior-manipulation attacks (BMAs) - such as scareware, fake software downloads, tech support scams, etc. - are a class of social engineering (SE) attacks that exploit human decision-making vulnerabilities. These attacks remain under-studied compared to other attacks such as information harvesting attacks (e.g., phishing) or malware infections. Prior technical work has primarily focused on measuring BMAs, offering little in the way of generic defenses. To address this gap, we introduce Pixel Patrol 3D (PP3D), the first end-to-end browser framework for discovering, detecting, and defending against behavior-manipulating SE attacks in real time. PP3D consists of a visual detection model implemented within a browser extension, which deploys the model client-side to protect users across desktop and mobile devices while preserving privacy. Our evaluation shows that PP3D can achieve above 99% detection rate at 1% false positives, while maintaining good latency and overhead performance across devices. Even when faced with new BMA samples collected months after training the detection model, our defense system can still achieve above 97% detection rate at 1% false positives. These results demonstrate that our framework offers a practical, effective, and generalizable defense against a broad and evolving class of web behavior-manipulation attacks.
• Abstract（参考訳）: Webベースの行動操作攻撃(BMA) - スケアウェア、偽ソフトウェアダウンロード、技術サポート詐欺など。 は、人間の意思決定の脆弱性を悪用する社会工学(SE)攻撃のクラスである。 これらの攻撃は、情報収集攻撃(例えばフィッシング)やマルウェアの感染など、他の攻撃と比較して、未調査のままである。 それまでの技術開発は主にBMAの測定に重点を置いてきたが、一般的な防御方法はほとんど提供されなかった。 このギャップに対処するため,Pixel Patrol 3D(PP3D)を紹介した。 PP3Dは、ブラウザエクステンション内に実装された視覚的検出モデルで構成されている。 評価の結果,PP3D は検出率 99% 以上を 1% 偽陽性で達成でき,デバイス間の遅延やオーバヘッド性能は良好であった。 検出モデルのトレーニングから数ヶ月後に収集した新たなBMAサンプルに直面する場合においても,防衛システムは1%偽陽性で97%以上の検出率を達成できる。 これらの結果から,我々のフレームワークは,広範かつ進化するWeb行動操作攻撃に対して,実用的で効果的で汎用的な防御を提供することが示された。

関連論文リスト

• Poison Once, Control Anywhere: Clean-Text Visual Backdoors in VLM-based Mobile Agents [54.35629963816521]
  この研究は、VLMベースのモバイルエージェントをターゲットにした最初のクリーンテキストバックドアアタックであるVIBMAを紹介する。 この攻撃は、視覚的な入力だけを変更することによって、悪意ある振る舞いをモデルに注入する。 クリーンタスクの動作を保ちながら高い成功率を達成できることを示す。
  論文  参考訳（メタデータ） (2025-06-16T08:09:32Z)
• SENet: Visual Detection of Online Social Engineering Attack Campaigns [3.858859576352153]
  ソーシャルエンジニアリング(SE)は、ユーザのセキュリティとプライバシを侵害する可能性のあるアクションの実行をユーザを欺くことを目的としている。 SEShieldは、ブラウザ内でソーシャルエンジニアリング攻撃を検出するためのフレームワークである。
  論文  参考訳（メタデータ） (2024-01-10T22:25:44Z)
• DRSM: De-Randomized Smoothing on Malware Classifier Providing Certified Robustness [58.23214712926585]
  我々は,マルウェア検出領域の非ランダム化スムース化技術を再設計し,DRSM(De-Randomized Smoothed MalConv)を開発した。 具体的には,実行可能ファイルの局所構造を最大に保ちながら,逆数バイトの影響を確実に抑制するウィンドウアブレーション方式を提案する。 私たちは、マルウェア実行ファイルの静的検出という領域で、認証された堅牢性を提供する最初の人です。
  論文  参考訳（メタデータ） (2023-03-20T17:25:22Z)
• PointBA: Towards Backdoor Attacks in 3D Point Cloud [38.840590323016606]
  バックドア攻撃を3Dデータとネットワークのユニークな特性を利用する統一的なフレームワークで3Dポイントクラウドに提示する。 提案するバックドアアタックは,3次元深部モデルの堅牢性向上のためのベースラインとして期待できる。
  論文  参考訳（メタデータ） (2021-03-30T04:49:25Z)
• Adversarial EXEmples: A Survey and Experimental Evaluation of Practical Attacks on Machine Learning for Windows Malware Detection [67.53296659361598]
  EXEmplesは、比較的少ない入力バイトを摂動することで、機械学習に基づく検出をバイパスすることができる。 我々は、機械学習モデルに対する過去の攻撃を包含し、一般化するだけでなく、3つの新たな攻撃を含む統一フレームワークを開発する。 これらの攻撃はFull DOS、Extended、Shiftと呼ばれ、DOSヘッダをそれぞれ操作し、拡張し、第1セクションの内容を変更することで、敵のペイロードを注入する。
  論文  参考訳（メタデータ） (2020-08-17T07:16:57Z)

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。