This study explores the users’ web

This study explores the users’ web browsing behaviors that
confront phishing situations for context-aware phishing detection.
We extract discriminative features of each clicked URL, i.e.,
domain name, bag-of-words, generic Top-Level Domains, IP
address, and port number, to develop a linear chain CRF model
for users’ behavioral prediction. Large-scale experiments show
that our method achieves promising performance for predicting
the phishing threats of users’ next accesses. Error analysis
indicates that our model results in a favorably low false positive
rate. In practice, our solution is complementary to the existing
anti-phishing techniques for cost-effectively blocking phishing
threats from users’ behavioral perspectives.

ผลลัพธ์ (ไทย) 1:

ศึกษาสำรวจพฤติกรรมการเรียกดูเว็บของผู้ใช้ที่
เผชิญสถานการณ์ฟิชชิ่งสำหรับตรวจหาฟิชชิ่งตามบริบท
เราแยกคุณสมบัติ discriminative ของแต่ละ URL ถูกคลิ เช่น,
ชื่อโดเมน โดเมนระดับบนสุดของถุงคำ ทั่วไป IP
ที่อยู่และหมายเลขพอร์ต การพัฒนาแบบจำลองเชิงเส้นโซ่ CRF
สำหรับทำนายพฤติกรรมของผู้ใช้ ทดลองขนาดใหญ่ดู
ว่า วิธีการของเราได้รับการปฏิบัติสัญญาคาดการณ์
ภัยฟิชชิ่งของผู้หาถัดไป การวิเคราะห์ข้อผิดพลาด
บ่งชี้ว่า แบบจำลองของเราผลบวกเท็จคำพ้องต้องต่ำ
อัตรา ในทางปฏิบัติ โซลูชั่นของเราเป็นยาเสริมที่มีอยู่
เทคนิคการป้องกันฟิชชิ่งสำหรับบล็อกชิ่งคุ้มทุน
ภัยคุกคามจากมุมมองพฤติกรรมของผู้ใช้

ผลลัพธ์ (ไทย) 2:

การศึกษาครั้งนี้ผู้สำรวจพฤติกรรมการท่องเว็บที่
เผชิญหน้ากับสถานการณ์ที่ฟิชชิ่งสำหรับการตรวจหาฟิชชิ่งตามบริบท
เราดึงคุณสมบัติจำแนกของแต่ละคลิก URL คือ
ชื่อโดเมนกระเป๋าของคำทั่วไปโดเมนระดับบนสุด, IP
ที่อยู่และ หมายเลขพอร์ตที่จะพัฒนารูปแบบเชิงเส้น CRF ห่วงโซ่
การทำนายพฤติกรรมของผู้ใช้ การทดลองขนาดใหญ่แสดงให้เห็น
ว่าวิธีการของเราประสบความสำเร็จในการดำเนินงานที่มีแนวโน้มในการทำนาย
ภัยคุกคามฟิชชิ่งต่อการเข้าถึงของผู้ใช้ วิเคราะห์ข้อผิดพลาด
แสดงให้เห็นว่ารูปแบบของเราจะส่งผลในเชิงบวกต่ำเหมาะเท็จ
อัตรา ในทางปฏิบัติแก้ปัญหาของเราเป็นที่มีอยู่ประกอบกับ
เทคนิคการป้องกันฟิชชิ่งสำหรับค่าใช้จ่ายได้อย่างมีประสิทธิภาพการป้องกันฟิชชิ่ง
ภัยคุกคามจากมุมมองที่พฤติกรรมของผู้ใช้

ผลลัพธ์ (ไทย) 3:

การศึกษานี้เป็นการศึกษาพฤติกรรมของผู้ใช้เรียกดูเว็บที่เผชิญหน้ากับสถานการณ์ที่บริบททราบ
ฟิชชิ่งตรวจจับฟิชชิ่ง .
เราสกัดคุณลักษณะและแต่ละคลิก URL , I ,
ชื่อโดเมน , ถุงคำโดเมนระดับบนทั่วไป , ที่อยู่ IP และหมายเลขพอร์ต

เพื่อพัฒนาแบบจำลองโซ่เส้นเลือดสำหรับผู้ใช้ ' พฤติกรรมพยากรณ์ การทดลองขนาดใหญ่แสดง
วิธีที่เราใช้งานสัญญาทำนาย
ฟิชชิ่งภัยคุกคามของผู้ใช้เข้าถึงหน้า .
การวิเคราะห์ข้อผิดพลาดบ่งชี้ว่ารุ่นของเราในผลต่ำ ซึ่งอัตราบวกเท็จ
. ในการปฏิบัติของเรา คือ โซลูชั่น ประกอบกับที่มีอยู่
ป้องกันฟิชชิ่งสำหรับเทคนิคต้นทุนที่มีประสิทธิภาพการปิดกั้นภัยคุกคามจากฟิชชิ่ง
ผู้ใช้พฤติกรรม มุมมอง