ترجمه فارسی مقاله قربانیان مختلف، چیدمان یکسان: تشخیص شباهت بصری ایمیل برای محافظت از ایمیل پیشرفته

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Different Victims, Same Layout: Email Visual Similarity Detection for Enhanced Email Protection
عنوان مقاله به فارسی قربانیان مختلف، چیدمان یکسان: تشخیص شباهت بصری ایمیل برای محافظت از ایمیل پیشرفته
نویسندگان Sachin Shukla, Omid Mirzaei
فرمت مقاله انگلیسی PDF
تعداد صفحات 3
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Cryptography and Security,Artificial Intelligence,Machine Learning,رمزنگاری و امنیت , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 4 September, 2024; v1 submitted 29 August, 2024; originally announced August 2024. , Comments: To be published in the proceedings of the ACM Conference on Computer and Communications Security (ACM CCS 2024)
توضیحات به فارسی ارسال شده در 4 سپتامبر 2024 ؛V1 ارسال شده 29 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: برای انتشار در مجموعه مقالات کنفرانس ACM در زمینه امنیت رایانه و ارتباطات (ACM CCS 2024)
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

In the pursuit of an effective spam detection system, the focus has often been on identifying known spam patterns either through rule-based detection systems or machine learning (ML) solutions that rely on keywords. However, both systems are susceptible to evasion techniques and zero-day attacks that can be achieved at low cost. Therefore, an email that bypassed the defense system once can do it again in the following days, even though rules are updated or the ML models are retrained. The recurrence of failures to detect emails that exhibit layout similarities to previously undetected spam is concerning for customers and can erode their trust in a company. Our observations show that threat actors reuse email kits extensively and can bypass detection with little effort, for example, by making changes to the content of emails. In this work, we propose an email visual similarity detection approach, named Pisco, to improve the detection capabilities of an email threat defense system. We apply our proof of concept to some real-world samples received from different sources. Our results show that email kits are being reused extensively and visually similar emails are sent to our customers at various time intervals. Therefore, this method could be very helpful in situations where detection engines that rely on textual features and keywords are bypassed, an occurrence our observations show happens frequently.

چکیده به فارسی (ترجمه ماشینی)

در دستیابی به یک سیستم تشخیص مؤثر هرزنامه ، تمرکز اغلب بر روی شناسایی الگوهای اسپم شناخته شده یا از طریق سیستم های تشخیص مبتنی بر قانون یا راه حل های یادگیری ماشین (ML) که به کلمات کلیدی متکی هستند ، بوده است.با این حال ، هر دو سیستم مستعد تکنیک های فرار و حملات روز صفر هستند که می توانند با هزینه کم حاصل شوند.بنابراین ، ایمیلی که یک بار از سیستم دفاعی دور می زند می تواند در روزهای بعد دوباره این کار را انجام دهد ، حتی اگر قوانین به روز شوند یا مدل های ML دوباره آموزش داده شوند.عود عدم موفقیت در تشخیص ایمیل هایی که شباهت های چیدمان را به هرزنامه قبلاً کشف نشده نشان می دهند ، مربوط به مشتریان است و می تواند اعتماد خود را به یک شرکت از بین ببرد.مشاهدات ما نشان می دهد که بازیگران تهدید از کیت های ایمیل به طور گسترده استفاده می کنند و می توانند با تلاش کمی ، با ایجاد تغییر در محتوای ایمیل ، تشخیص را دور بزنند.در این کار ، ما یک روش تشخیص شباهت بصری به نام Pisco را برای بهبود قابلیت های تشخیص یک سیستم دفاعی تهدید ایمیل پیشنهاد می کنیم.ما اثبات مفهوم خود را برای برخی از نمونه های دنیای واقعی دریافت شده از منابع مختلف اعمال می کنیم.نتایج ما نشان می دهد که کیت های ایمیل به طور گسترده مورد استفاده قرار می گیرند و ایمیل های مشابه بصری در فواصل زمانی مختلف به مشتریان ما ارسال می شوند.بنابراین ، این روش می تواند در شرایطی که موتورهای تشخیصی که به ویژگی های متنی و کلمات کلیدی متکی هستند ، بسیار مفید باشد ، اتفاقاتی که مشاهدات ما به طور مکرر اتفاق می افتد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.