論文の概要: An Analysis of Architectural and Operational Dynamics of Phishkits in the Wild
- arxiv url: http://arxiv.org/abs/2608.07451v1
- Date: Fri, 07 Aug 2026 17:45:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.586174
- Title: An Analysis of Architectural and Operational Dynamics of Phishkits in the Wild
- Title（参考訳）: 野生におけるフィシュキットの構造と動作動態の解析
- Abstract要約: 我々は2020年から2023年にかけて収集された1,300頭の現代フィシュキットを分析した。
回避機構を一切用いていない284羽(21.8%)のフイシュキットを同定した。
コード再利用のレベルと、パッケージ済みのフィッシングページを構築するための既知のトリックに大きく依存しているため、多くのケースが予測可能である。
- 参考スコア（独自算出の注目度）: 0.05599792629509228
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Phishing attacks have always been a favored vector for adversaries to defraud users, bypass modern defense mechanisms, and penetrate critical systems. Among all the elements contributing to the creation and deployment of successful phishing attacks, phishkits stand out as a crucial parameter. Phishkits often facilitate creating and deploying compelling phishing pages, implement evasion strategies, and establish and maintain backdoors with remote adversaries for exchanging leaked data. In this work, we performed an analysis of 1,300 modern phishkits collected from 2020 to 2023. We analyzed the architecture, source code, communication channels, and the nature of leaked data shared with adversaries. We identified mechanisms for dynamic redirection and attributing incoming web traffic as part of the evasion and cloaking mechanism. We also observed heavy reliance on current messaging services for exchanging stolen data with phishers. That said, our analysis shows that the number of phishkits with advanced functionalities is quite small. We identified 284 (21.8%) phishkits that did not use any form of evasion mechanism. We also observed that while there were differences in the implementation details of phishkits, the major components that keep phishing pages functional were very similar or even identical across kits. The level of code reuse and heavy reliance on known tricks to build pre-packaged phishing pages make a large number of cases predictable, which can potentially make the detection of these adversarial operations even easier at scale.
- Abstract（参考訳）: フィッシング攻撃は、常に敵がユーザーを欺き、現代の防衛機構をバイパスし、重要なシステムに侵入する手段として好まれてきた。
フィッシング攻撃の成功と展開に寄与するすべての要素の中で、フィッシングは重要なパラメータとして際立っている。
Phishkitsは、しばしば魅力的なフィッシングページの作成とデプロイを容易にし、回避戦略を実装し、漏洩したデータを交換するためにリモートの敵とバックドアを構築し、維持する。
本研究では,2020年から2023年にかけて収集された1,300羽のイチジクを解析した。
我々は、アーキテクチャ、ソースコード、通信チャネル、および敵と共有される漏洩データの性質を分析した。
我々は、エスケープとクローキングのメカニズムの一部として、動的リダイレクトと入ってくるウェブトラフィックに起因するメカニズムを特定した。
また、盗難データをフィッシング業者と交換するために、現在のメッセージングサービスに大きく依存していることも観察した。
とはいえ、我々の分析によると、高度な機能を持つフィシュキットの数は極めて少ない。
回避機構を一切用いていない284羽(21.8%)のフイシュキットを同定した。
また, フィッシングページを機能的に維持する主要コンポーネントは, キット間で非常に類似していたり, 同一であったりした。
コード再利用のレベルと、パッケージ化されたフィッシングページを構築するための既知のトリックへの強い依存は、多くのケースを予測可能とし、これらの敵の操作を大規模に検出しやすくする可能性がある。
関連論文リスト
- MemVenom: Triggered Poisoning of Multimodal Memories in Web Agents [74.64265314956441]
そこで我々は,グラフ構造化外部メモリにテキスト画像のコーディネートを施したブラックボックス攻撃フレームワークを提案する。
MemVenomは、GPT-5ファミリーのWebエージェントで最大99.15%に達する、良質なパフォーマンスに最小限の影響を伴って、強力なエンドツーエンド攻撃を成功させる。
論文 参考訳（メタデータ） (2026-06-09T11:53:25Z) - Malice in Agentland: Down the Rabbit Hole of Backdoors in the AI Supply Chain [82.98626829232899]
自分自身のインタラクションからのデータに対する微調整のAIエージェントは、AIサプライチェーン内の重要なセキュリティ脆弱性を導入している。
敵は容易にデータ収集パイプラインに毒を盛り、検出しにくいバックドアを埋め込むことができる。
論文 参考訳（メタデータ） (2025-10-03T12:47:21Z) - 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) - EPhishCADE: A Privacy-Aware Multi-Dimensional Framework for Email Phishing Campaign Detection [11.200645222578363]
通常電子メールで行われるフィッシング攻撃は、重要なサイバーセキュリティの脅威である。
我々は、bf Email bf Phishing bf CAmpaign bf DEtectionのための最初のプライバシ対応フレームワークであるbf EPhishCADEを提案する。
論文 参考訳（メタデータ） (2025-02-28T00:58:42Z) - AdaPhish: AI-Powered Adaptive Defense and Education Resource Against Deceptive Emails [0.0]
AdaPhishはAIを利用してフィッシングメールを自動的に匿名化し分析するフィッシュボウルプラットフォームだ。
フィッシングトレンドの長期追跡を可能にしながら、新しいフィッシング戦術へのリアルタイム検出と適応を実現している。
AdaPhishは、フィッシング検出とサイバーセキュリティ教育のためのスケーラブルでコラボレーティブなソリューションを提供する。
論文 参考訳（メタデータ） (2025-02-05T21:17:19Z) - Phishing Codebook: A Structured Framework for the Characterization of Phishing Emails [17.173114048398954]
フィッシングは、世界中の組織や個人が直面している最も一般的で高価なサイバー犯罪の1つである。
これまでのほとんどの研究は、フィッシングメールを特徴付けるための様々な技術的特徴とテキストの伝統的な表現に焦点を当ててきた。
本稿では、フィッシングメールの構造を解析し、人間の意思決定に影響を与える要因をよりよく理解する。
論文 参考訳（メタデータ） (2024-08-16T18:30:53Z) - From ML to LLM: Evaluating the Robustness of Phishing Webpage Detection Models against Adversarial Attacks [0.8050163120218178]
フィッシング攻撃は、ユーザーを騙して機密情報を盗み、重大なサイバーセキュリティの脅威を引き起こす。
我々は、さまざまなフィッシング機能を正当なWebページに埋め込むことで、敵対的なフィッシングWebページを生成するツールであるPhishOracleを開発した。
本研究は, フィッシング検出モデルによる敵攻撃に対する脆弱性を強調し, より堅牢な検出アプローチの必要性を強調した。
論文 参考訳（メタデータ） (2024-07-29T18:21:34Z) - TrojFM: Resource-efficient Backdoor Attacks against Very Large Foundation Models [69.37990698561299]
TrojFMは、非常に大きな基礎モデルに適した、新しいバックドア攻撃である。
提案手法では,モデルパラメータのごく一部のみを微調整することでバックドアを注入する。
広範に使われている大規模GPTモデルに対して,TrojFMが効果的なバックドアアタックを起動できることを実証する。
論文 参考訳（メタデータ） (2024-05-27T03:10:57Z) - BadCLIP: Dual-Embedding Guided Backdoor Attack on Multimodal Contrastive
Learning [85.2564206440109]
本報告では,防衛後においてもバックドア攻撃が有効であり続けるという現実的なシナリオにおける脅威を明らかにする。
バックドア検出や細調整防御のモデル化に抵抗性のあるemphtoolnsアタックを導入する。
論文 参考訳（メタデータ） (2023-11-20T02:21:49Z) - 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)
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。