論文の概要: PhishSnap: Image-Based Phishing Detection Using Perceptual Hashing

• arxiv url: http://arxiv.org/abs/2512.02243v1
• Date: Mon, 01 Dec 2025 22:15:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.63219
• Title: PhishSnap: Image-Based Phishing Detection Using Perceptual Hashing
• Title（参考訳）: PhishSnap:知覚的ハッシュを用いた画像ベースのフィッシング検出
• Authors: Md Abdul Ahad Minhaz, Zannatul Zahan Meem, Md. Shohrab Hossain,
• Abstract要約: フィッシングは依然として最も一般的なオンライン脅威の1つであり、人間の信頼を利用して機密情報を収集している。 既存のURLとHTMLベースの検出システムは、難読化と視覚的騙しに苦慮している。 本稿では、知覚ハッシュ(pHash)を利用したプライバシー保護オンデバイスフィッシング検出システムであるtextbfPhishSnapを提案する。
• 参考スコア（独自算出の注目度）: 0.49812879456944986
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Phishing remains one of the most prevalent online threats, exploiting human trust to harvest sensitive credentials. Existing URL- and HTML-based detection systems struggle against obfuscation and visual deception. This paper presents \textbf{PhishSnap}, a privacy-preserving, on-device phishing detection system leveraging perceptual hashing (pHash). Implemented as a browser extension, PhishSnap captures webpage screenshots, computes visual hashes, and compares them against legitimate templates to identify visually similar phishing attempts. A \textbf{2024 dataset of 10,000 URLs} (70\%/20\%/10\% train/validation/test) was collected from PhishTank and Netcraft. Due to security takedowns, a subset of phishing pages was unavailable, reducing dataset diversity. The system achieved \textbf{0.79 accuracy}, \textbf{0.76 precision}, and \textbf{0.78 recall}, showing that visual similarity remains a viable anti-phishing measure. The entire inference process occurs locally, ensuring user privacy and minimal latency.
• Abstract（参考訳）: フィッシングは依然として最も一般的なオンライン脅威の1つであり、人間の信頼を利用して機密情報を収集している。 既存のURLとHTMLベースの検出システムは、難読化と視覚的騙しに苦慮している。 本稿では、パーセプチュアルハッシュ(pHash)を利用したプライバシー保護・オンデバイスフィッシング検出システムである「textbf{PhishSnap}」を提案する。 ブラウザ拡張として実装されたPhishSnapは、Webページのスクリーンショットをキャプチャし、ビジュアルハッシュを計算し、それらを正当なテンプレートと比較して、視覚的に類似したフィッシングの試みを特定する。 PhishTankとNetcraftから1万のURL(70\%/20\%/10\%のトレイン/バリデーション/テスト)のデータセットが収集された。 セキュリティの低下により、フィッシングページのサブセットは利用できなくなり、データセットの多様性が低下した。 このシステムは \textbf{0.79 accuracy} 、 \textbf{0.76cicision} 、 \textbf{0.78 recall} を達成し、視覚的類似性は依然として有効であることを示す。 推論プロセス全体がローカルに行われ、ユーザのプライバシと最小のレイテンシが保証される。

関連論文リスト

• Characterizing Phishing Pages by JavaScript Capabilities [77.64740286751834]
  本論文は,フィッシングページのグループを自動的に識別し,研究者やアナリストを支援することを目的としている。 キット検出の精度は,4,562個のフィッシングURLに展開した548個のキット群に対して97%であった。 UIの対話性と基本的なフィンガープリントは、クラスタの90%と80%に存在する普遍的なテクニックであることが分かりました。
  論文  参考訳（メタデータ） (2025-09-16T15:39:23Z)
• Phish-Blitz: Advancing Phishing Detection with Comprehensive Webpage Resource Collection and Visual Integrity Preservation [0.03262230127283452]
  Phish-Blitzは、フィッシングや正当なWebページを、スクリーンショットなどの関連するリソースとともにダウンロードするツールである。 既存のツールとは異なり、Phish-BlitzはライブのWebページのスクリーンショットをキャプチャし、リソースファイルパスを更新して、Webページの本来の視覚的整合性を維持する。 8,809件の正当性と5000件のフィッシングWebページを含むデータセットを提供する。
  論文  参考訳（メタデータ） (2025-09-10T08:13:49Z)
• Clean Image May be Dangerous: Data Poisoning Attacks Against Deep Hashing [71.30876587855867]
  クリーンなクエリ画像でさえ危険であり、望ましくない画像や違法な画像などの悪意のあるターゲット検索結果が誘導される。 具体的には,まず,対象の深部ハッシュモデルの挙動をシミュレートするために代理モデルを訓練する。 そこで, 毒性画像を生成するため, 厳密な勾配マッチング戦略を提案する。
  論文  参考訳（メタデータ） (2025-03-27T07:54:27Z)
• Protecting Onion Service Users Against Phishing [1.6435014180036467]
  フィッシングサイトは、Torのタマネギサービスに共通する現象である。 フィッシングは 本物の玉ねぎのドメイン名と区別するのが 非常に難しいと フィッシングを悪用する タマネギサービスのオペレータは、ユーザをフィッシングから守るためのいくつかの戦略を考案した。 訪問したサービスに関する痕跡を発生させることなく、ユーザーをフィッシングから守ることはできない。
  論文  参考訳（メタデータ） (2024-08-14T19:51:30Z)
• Position Paper: Think Globally, React Locally -- Bringing Real-time Reference-based Website Phishing Detection on macOS [0.4962561299282114]
  最近のフィッシング攻撃の急増は、従来の反フィッシング・ブラックリストのアプローチの有効性を弱め続けている。 デバイス上でのフィッシング防止ソリューションは、ローカルで高速なフィッシング検出を提供するため、人気が高まっている。 コンピュータビジョンとデバイス上の機械学習モデルを組み合わせてウェブサイトをリアルタイムで分析するフィッシング検出ソリューションを提案する。
  論文  参考訳（メタデータ） (2024-05-28T14:46:03Z)
• HashVFL: Defending Against Data Reconstruction Attacks in Vertical Federated Learning [44.950977556078776]
  ハッシュを統合し,学習性,ビットバランス,一貫性を同時に実現するHashVFLを提案する。 実験結果から,HashVFLはデータ再構成攻撃を防御しながらタスク性能を効果的に維持することが示された。
  論文  参考訳（メタデータ） (2022-12-01T07:19:17Z)
• PhishMatch: A Layered Approach for Effective Detection of Phishing URLs [8.658596218544774]
  We present a layered anti-phishing defense, PhishMatch, which is robust, accurate, expensive, and client-side。 Chromeブラウザ用に開発されたPhishMatchのプロトタイププラグインは、高速で軽量であることが判明した。
  論文  参考訳（メタデータ） (2021-12-04T03:21:29Z)
• Phishing and Spear Phishing: examples in Cyber Espionage and techniques to protect against them [91.3755431537592]
  フィッシング攻撃は、2012年以降、サイバー攻撃の91%以上を突破し、オンライン詐欺で最も使われているテクニックとなっている。 本研究は, フィッシングとスピア・フィッシングによる攻撃が, 結果を大きくする5つのステップを通じて, フィッシングとスピア・フィッシングによる攻撃の実施方法についてレビューした。
  論文  参考訳（メタデータ） (2020-05-31T18:10:09Z)
• Targeted Attack for Deep Hashing based Retrieval [57.582221494035856]
  本研究では, ディープ・ハッシュ・ターゲット・アタック (DHTA) と呼ばれる新たな手法を提案し, 対象とする攻撃を探索する。 まず、対象の攻撃を点対セットの最適化として定式化し、敵のサンプルのハッシュコードと対象のラベルを持つ対象の集合の平均距離を最小化する。 性能と知覚性のバランスをとるために,摂動に対する$ellinfty$制限の下で,逆例のハッシュコードとアンカーコードとのハミング距離を最小化することを提案する。
  論文  参考訳（メタデータ） (2020-04-15T08:36:58Z)

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。