SiNMULI: Novel Signed Network Approach for Malicious URL Identification
本文提出一种基于符号网络（signed network）的恶意URL识别方法 SiNMULI。研究背景是：传统机器学习、深度学习和伪造网站检测方法大多依赖静态数据分析，难以应对恶意网站的动态演变和对抗性混淆。作者将恶意URL识别问题转化为一
#malicious-url
共收录 3 条相关情报。
← 返回所有主题Discovering and Measuring Malicious URL Redirection Campaigns from Fake News Domains.
本文针对恶意URL重定向网络难以实时发现的问题，提出了一种主动式的发现与测量方法。恶意URL常通过多层重定向隐藏自身以逃避检测，传统方法多为被动响应，难以实时捕捉重定向流量。作者提出一个三步算法：首先收集种子域名的重定向路径；其次将共享重定
An Exploratory Study of Malicious Link Posting on Social Media Applications
本研究针对社交媒体应用中链接分享功能的安全漏洞展开探索性分析。随着社交媒体平台成为全球主流通信工具，用户频繁通过链接分享进行内容交互，但攻击者常利用此功能发布恶意URL，诱导用户点击以实施钓鱼、恶意软件传播等攻击。研究选取了Google P