論文の概要: A Computer Vision Approach to Visual Fraud Detection in Phishing Websites Using YOLOv8

• arxiv url: http://arxiv.org/abs/2609.34015v1
• Date: Sun, 27 Sep 2026 23:19:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 07:48:44.423526
• Title: A Computer Vision Approach to Visual Fraud Detection in Phishing Websites Using YOLOv8
• Title（参考訳）: YOLOv8を用いたフィッシングサイトにおける視覚的フラッド検出のためのコンピュータビジョンアプローチ
• Abstract要約: 本稿では、レンダリングされたWebページを、信頼されたブランドと一致するか、そうでない図として扱うフィッシング検出の視覚的アプローチについて述べる。 YOLOv8畳み込みニューラルネットワークは、レイアウト、ロゴ配置、カラースキーム、ログインフォーム構造に基づいて、フルページのWebサイトのスクリーンショットをフィッシングまたは合法に分類するように訓練された。 システムはホールドアウトテストセットで92%の精度に達し、100ミリ秒で1枚のスクリーンショットを処理し、前処理ベースラインと比較して偽陽性率を11%削減した。
• 参考スコア（独自算出の注目度）: 0.10742675209112622
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Phishing remains one of the most common vectors for financial and identity fraud, and most detection systems still rely on inspecting a page's URL, HTML markup, or domain registration history. These signals are easy for an attacker to rotate or obfuscate, and they say very little about what actually convinces a victim to hand over a password or a card number: the way the page looks. This paper describes a visual, image-based approach to phishing detection that treats a rendered webpage the same way a human eye would, as a picture that either matches a trusted brand or doesn't. A YOLOv8 convolutional neural network was trained to classify full-page website screenshots as phishing or legitimate based on layout, logo placement, color scheme, and login-form structure, rather than on text extracted from the page. The system reached 92% classification accuracy on a held-out test set, processed a single screenshot in roughly 100 milliseconds, and, after a round of data augmentation aimed specifically at lighting, compression, and scaling variation, cut the false-positive rate by 11% relative to the pre-augmentation baseline. The paper walks through the dataset construction, the augmentation strategy, the model architecture and training setup, and the resulting performance, and closes with a discussion of where this kind of visual detector fits alongside, rather than instead of, existing URL- and content-based defenses.
• Abstract（参考訳）: フィッシングは金融およびID詐欺の最も一般的なベクターの1つであり、ほとんどの検知システムはページのURL、HTMLマークアップ、ドメイン登録履歴の検査に依存している。 これらのシグナルは、攻撃者がローテーションや難読化することが容易で、被害者が実際にパスワードやカード番号を渡すよう説得する内容についてはほとんど語られません。 本稿では、画像に基づくフィッシング検出の視覚的アプローチについて述べる。これは、レンダリングされたWebページを人間の目と同じように扱うもので、信頼されたブランドと一致するか、そうでないかのどちらかである。 YOLOv8畳み込みニューラルネットワークは、ページから抽出されたテキストではなく、レイアウト、ロゴ配置、カラースキーム、ログインフォーム構造に基づいて、フルページのWebサイトのスクリーンショットをフィッシングまたは正当に分類するように訓練された。 このシステムは、保持されたテストセット上で92%の分類精度に達し、100ミリ秒で1つのスクリーンショットを処理し、照明、圧縮、スケーリングのバリエーションに特化したデータ拡張の後、前処理ベースラインと比較して偽陽性率を11%削減した。 論文では、データセットの構築、拡張戦略、モデルアーキテクチャとトレーニングのセットアップ、結果のパフォーマンスを概観し、既存のURLやコンテンツベースの防御ではなく、このような視覚的検出がどこに収まるかについて議論を締めくくった。

関連論文リスト

• PIXELRAG: Web Screenshots Beat Text for Retrieval-Augmented Generation [70.26672362704758]
  我々は,Webサイトを視覚的に表現する新しい検索拡張手法であるPixelRAGを紹介する。 PixelRAGはこの形式で完全なウィキペディアコーパス上で動作する最初のパイプラインである。 非検索とテキストベースのRAGベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-06-01T23:20:51Z)
• I can't recognize (yet): Delayed Rendering to Defeat Visual Phishing Detectors [18.346290312251515]
  我々は,視覚的なフィッシングサイト検出装置の開発に先立って,タイミングに基づく回避攻撃は考慮されていないことを示した。 カーテンエフェクトのような、簡単に適用可能な問題空間技術を用いることで、最先端の検出器を完全に破壊できることを示す。 リモートサービスを呼び出すことなく、フィッシングのWebページに着地した可能性があることをユーザに警告するブラウザ拡張を含む、軽減策を提案する。
  論文  参考訳（メタデータ） (2026-04-30T20:00:11Z)
• PhishSnap: Image-Based Phishing Detection Using Perceptual Hashing [0.49812879456944986]
  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。
  論文  参考訳（メタデータ） (2025-12-01T22:15:12Z)
• 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)
• Web Artifact Attacks Disrupt Vision Language Models [61.59021920232986]
  視覚言語モデル(VLM)は、大規模で軽量にキュレートされたWebデータセットに基づいて訓練されている。 意味概念と無関係な視覚信号の間に意図しない相関関係を学習する。 これまでの研究は、これらの相関関係をモデル予測を操作するための攻撃ベクトルとして武器化してきた。 非マッチングテキストとグラフィカル要素の両方を使ってモデルを誤解させる新しい操作のクラスである「アーティファクトベース」アタックを導入する。
  論文  参考訳（メタデータ） (2025-03-17T18:59:29Z)
• Document Screenshot Retrievers are Vulnerable to Pixel Poisoning Attacks [72.4498910775871]
  ヴィジュアル言語モデル(VLM)ベースのレトリバーは、ベクターとして埋め込まれた文書のスクリーンショットを活用して、効率的な検索を可能にし、従来のテキストのみの手法よりも単純化されたパイプラインを提供する。 本研究では,VLMをベースとしたレトリバーを危険にさらすために,3つのピクセル中毒攻撃手法を提案する。
  論文  参考訳（メタデータ） (2025-01-28T12:40:37Z)
• 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)
• Docmarking: Real-Time Screen-Cam Robust Document Image Watermarking [97.77394585669562]
  提案されたアプローチは、そもそもリークを防ぐのではなく、リークのソースを決定することを目的としている。 メソッドは、透かしを半透明画像と識別するユニークな透かしをスクリーンに印加することで機能する。 透かし画像は静止しており、常に画面上に留まっているので、撮影したすべての写真に透かしが表示される。
  論文  参考訳（メタデータ） (2023-04-25T09:32:11Z)
• Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
  入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。 また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。 我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
  論文  参考訳（メタデータ） (2023-03-14T16:11:47Z)
• Towards Web Phishing Detection Limitations and Mitigation [21.738240693843295]
  フィッシングサイトが機械学習に基づく検出をバイパスする方法を示す。 100Kフィッシング・ベナンサイトを用いた実験では、有望な精度(98.8%)を示した。 本稿では,ロジスティック回帰に基づくよりレジリエントなモデルであるAnti-SubtlePhishを提案する。
  論文  参考訳（メタデータ） (2022-04-03T04:26:04Z)

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。