Clasificación de capturas de smishing con aprendizaje profundo e IRIS

• Blanco Medina, Pablo ^[1] ; Carofilis, Andrés ^[1] ; Fidalgo, Eduardo ^[1] ; Alegre, Enrique ^[1]
  1. [1] Universidad de León

     Universidad de León

     León, España

     
• Localización: Jornadas de Automática, ISSN-e 3045-4093, Nº. 45, 2024
• Idioma: español
• Títulos paralelos:
  • Smishing Screenshots Classification using Deep Learning and IRIS Dataset
• Enlaces
  • Texto completo
• Resumen
  • español

    El Smishing es una variante del Phishing que utiliza el Servicio de Mensajes Cortos, los smartphones y la confianza de los usuarios en los servicios de mensajería como herramientas de comunicación para poder llevar a cabo actividades maliciosas. Los usuarios suelen informan de estos mensajes a los Equipos de Respuesta ante Emergencias Informáticas a través de capturas de pantalla de sus teléfonos. Estos equipos pueden beneficiarse de una herramienta que clasifique las capturas de pantalla en distintas categorías, antes de extraer su contenido. Comparamos el rendimiento de Redes Neuronales Convolucionales y Vision Transformers, pre-entrenados en conjuntos de datos como ImageNet, para clasificar estas capturas de smishing en dos categorías: texto dividido en múltiples líneas y texto unido. Publicamos un nuevo conjunto de datos, IRIS-244, que contiene 244 capturas de pantalla de mensajes Smishing con URLs de phishing. Combinando estas arquitecturas con técnicas de augmentación, descubrimos que Xception es la arquitectura con el mejor rendimiento, con una precisión media de $78.36$.

  • English

    Smishing, a variant of phishing that uses the Short Message Service, uses smartphones and the trust of people in text messaging as a communication tool to spread more easily. When citizens report these suspicious messages to Computer Emergency Response Teams, they usually do it through a screenshot of their smartphone. Response Teams may find useful an automatic tool that classifies Smishing into different categories before proceeding to further information extraction. We propose to compare the performance of customized Convolutional Neural Networks and Vision Transformers with their pre-trained versions on ImageNet datasets for automatically classifying smishing screenshots into two different categories: joint and separate text. We make publicly available a novel dataset, IRIS-244, containing 244 smishing screenshots with phishing URLs. Combined with data augmentation techniques, we discovered that Xception architecture out performs the rest of the approaches, with an accuracy score of 78,36.