Detecting Fake Information Through Source Verification with NLP
Cet article propose une approche de vérification de la source pour la détection du hameçonnage par courriel qui combine le traitement du langage naturel (NLP) pour extraire les institutions cibles avec l'exploration de données Web afin de comparer les URL et le contenu fournis avec les sites officiels, atteignant une précision de 96 % et surpassant les services de détection existants.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous receviez un e-mail qui semble provenir de votre banque, « BankName Inc. ». Il dit : « Cliquez ici pour mettre à jour votre mot de passe », et inclut un lien. Votre instinct pourrait vous pousser à vérifier le lien, mais comment savoir s'il est réel sans cliquer ?
Cet article propose une nouvelle façon de résoudre ce problème. Au lieu d'essayer de deviner si l'e-mail semble faux en se basant sur sa grammaire ou son design (ce qui revient à essayer de repérer une mauvaise pomme simplement en regardant sa couleur), les auteurs suggèrent de vérifier la carte d'identité de l'expéditeur.
Voici la décomposition simple de leur idée, utilisant des analogies de la vie quotidienne :
L'idée centrale : La « vérification d'identité »
La plupart des systèmes de sécurité actuels sont comme des videurs qui mémorisent une liste de méchants connus. Si un nouveau méchant arrive en portant un chapeau différent, le videur pourrait le laisser entrer.
Ce nouveau système agit plutôt comme un détective. Lorsque vous recevez un e-mail prétendant provenir de « BankName Inc. », le détective ne se contente pas de lire l'e-mail. Il part explorer la « ville numérique » (Internet) pour trouver le véritable siège social de BankName Inc.
- Lire la note : Le système lit votre e-mail et utilise des outils de langage intelligents (NLP) pour trouver le nom de l'organisation mentionnée (ex : « BankName Inc. »).
- Vérifier le lien : Il examine le lien fourni dans l'e-mail.
- Aller à la source : Le système se rend ensuite sur un moteur de recherche (comme Google) et demande : « Quel est le site officiel de BankName Inc. ? »
- La comparaison :
- Scénario A (Le vrai truc) : L'e-mail dit « BankName Inc. » et renvoie vers
bankname.com. Le moteur de recherche confirme que le site officiel est bienbankname.com. Correspondance ! Le système dit : « C'est sûr. » - Scénario B (L'imposteur) : L'e-mail dit « BankName Inc. » mais renvoie vers
bankname-security-update.com. Le moteur de recherche confirme que le site officiel est toujours uniquementbankname.com. Incohérence ! Le système dit : « Stop ! C'est un faux. »
- Scénario A (Le vrai truc) : L'e-mail dit « BankName Inc. » et renvoie vers
Comment cela fonctionne : L'analogie de la « Bibliothèque »
Le système possède un carnet spécial appelé Base de connaissances. Considérez cela comme une bibliothèque de faits vérifiés.
- Chaque fois que le système vérifie une entreprise avec succès et confirme son véritable site web, il l'inscrit dans le carnet.
- La prochaine fois que quelqu'un pose une question sur cette même entreprise, le système n'a pas besoin de retourner sur le moteur de recherche ; il consulte simplement le carnet. Cela le rend beaucoup plus rapide, comme chercher un mot dans un dictionnaire plutôt que de demander à un bibliothécaire à chaque fois.
Les résultats : Est-ce que cela a fonctionné ?
Les auteurs ont testé ce « détective » contre deux groupes :
- Les « Vérificateurs de listes » : Des services existants qui se contentent de vérifier si un lien figure sur une « liste de mauvais sites » (comme PhishTank).
- Les « Devineurs de modèles » : Des programmes informatiques qui tentent de deviner si un e-mail est faux en se basant sur la façon dont les mots sont agencés (Apprentissage automatique / Machine Learning).
Le résultat :
- Les « Vérificateurs de listes » ont manqué beaucoup de faux récents car ils ne connaissaient que les anciens.
- Les « Devineurs de modèles » étaient corrects, mais ils étaient confus lorsque les faux changeaient de style.
- Le « Détective » (Ce nouveau système) a été le vainqueur. Il a identifié correctement 96 % des liens frauduleux et 95 % des e-mails frauduleux lors de leurs tests. Il était meilleur pour attraper les faux car il ne reposait pas sur la devinette de modèles ; il reposait sur la vérification de la source réelle.
Le revers de la médaille (Limites)
Comme tout détective, ce système n'est pas parfait. Les auteurs admettent quelques points qui pourraient le faire trébucher :
- L'astuce du « Lookalike » : Si un escroc crée un site qui ressemble exactement au vrai (en utilisant une orthographe légèrement différente comme
paypa1.comau lieu depaypal.com), le système pourrait être trompé car il vérifie le nom, pas l'aspect visuel. - Le « Bâtiment détourné » : Si un pirate réussit à s'introduire sur le vrai site de la banque pour y placer un faux message, le système pensera qu'il est réel car le lien est le lien authentique.
- Le mystère du « Lien court » : Si l'e-mail utilise un lien très court ou raccourci (comme
bit.ly/xyz), le système ne peut pas voir où il mène avant de cliquer, ce qui ralentit le processus.
Résumé
En résumé, cet article suggère que pour arrêter les fausses informations, nous ne devrions pas seulement regarder le message ; nous devrions vérifier le messager. En trouvant automatiquement le site officiel de la personne ou de l'entreprise mentionnée dans un e-mail et en le comparant au lien fourni, nous pouvons identifier les faux avec une grande précision, même si ces faux utilisent de nouvelles ruses que nous n'avons jamais vues auparavant.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.