polito.it
Politecnico di Torino (logo)

Progetto di sistema di protezione da cybersquatting basato su deep learning = Design of protection system against cybersquatting based on deep learning

Patrizio Sibona

Progetto di sistema di protezione da cybersquatting basato su deep learning = Design of protection system against cybersquatting based on deep learning.

Rel. Marco Mellia. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2019

[img] PDF (Tesi_di_laurea) - Tesi
Document access: Repository staff only not before 25 October 2020 (embargo date).
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (1MB)
Abstract:

Nonostante di gran lunga meno conosciuto rispetto al fenomeno del phishing, il cybersquatting costituisce una reale minaccia per l'utente che naviga all'interno del web. All'interno di questa tesi è stata approfondita nel dettaglio la minaccia del domain squatting, analizzandone le differenti tipologie conosciute e le possibili minacce associate a ciascuna di esse. Si è sviluppata una soluzione basata su reti neurali al fine di, fornito un dominio in ingresso, riconoscere la presenza di una possibile minaccia. Si sono analizzate le numerose soluzioni già presenti al problema, sottolineando i vantaggi e i punti di forza dell'approccio scelto. Viene fornita una conoscenza base sulle reti neurali, soffermandosi con maggior enfasi sulle tipologie utilizzate e testate al fine di selezionare il modello neurale migliore per la risoluzione del problema. Viene fornita una dettagliata descrizione del funzionamento del tool dnstwist, liberamente scaricabile tramite GitHub, e delle modifiche che sono state apportate al fine di creare il dataset necessario all'allenamento del modello neurale. Sono riportati e descritti tutti gli esperimenti e test condotti: dall'utilizzo delle GAN (Generative Adversarial Network) a differenti tipologie di RNN (Recurrent Neural Network). Nell'ultima parte sono mostrati i risultati e le performance ottenute dal modello neurale: si sono raggiunte accuratezze del 97%/98% nel riconoscimento di possibili minacce, usando come base 1000 domini reali verso cui l'utente può essere protetto durante la navigazione. Ulteriori analisi sono condotte al fine di verificare la robustezza della rete all'aumentare della difficoltà del problema, la capacità di generalizzazione e di riconoscere singole tipologie di squatting al variare del dataset a disposizione. Infine, si sono discussi possibili approcci volti a migliorare l'accuratezza del modello realizzato, analizzando possibili future integrazioni della soluzione in ambito cybersecurity.

Relators: Marco Mellia
Academic year: 2019/20
Publication type: Electronic
Number of Pages: 74
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering)
Classe di laurea: New organization > Master science > LM-32 - COMPUTER SYSTEMS ENGINEERING
Aziende collaboratrici: ERMES CYBER SECURITY S.R.L.
URI: http://webthesis.biblio.polito.it/id/eprint/12445
Modify record (reserved for operators) Modify record (reserved for operators)