A Gradient-Optimized TSK Fuzzy Framework for Explainable Phishing Detection
Created by
- Haebom
Category
Empty
저자
Lohith Srikanth Pentapalli, Jon Salisbury, Josette Riep, Kelly Cohen
개요
본 논문은 기존 피싱 URL 탐지 방법들의 정확성과 설명 가능성 간의 상충 문제를 해결하기 위해, 기울기 기반 최적화 기법을 활용한 1차 Takagi-Sugeno-Kang (TSK) 퍼지 추론 모델 기반의 새로운 피싱 URL 탐지 시스템을 제안한다. 퍼지 논리의 해석성과 인간과 유사한 추론 능력과 기울기 최적화 방법(Adam optimizer 사용)의 정확성 및 적응성을 결합하여, 23만 개 이상의 URL 데이터셋을 사용한 실험에서 99.95%의 평균 정확도와 1.00의 AUC를 달성하였다. 최적화된 퍼지 규칙과 멤버십 함수는 모델의 의사결정 과정을 명확히 보여주어, 사이버 보안 응용 분야에 필수적인 투명성을 제공한다.
시사점, 한계점
•
시사점:
◦
퍼지 논리와 기울기 기반 최적화 기법의 결합을 통해 높은 정확도와 설명 가능성을 동시에 달성하는 피싱 URL 탐지 시스템을 제시.
◦
23만 개 이상의 대규모 데이터셋을 사용한 실험 결과, 매우 높은 정확도(99.95%)와 AUC(1.00)를 달성.
◦
모델의 의사결정 과정을 명확히 보여주는 투명하고 해석 가능한 시스템으로 사이버 보안 전문가에게 유용한 도구 제공.
•
한계점:
◦
제시된 모델의 일반화 성능에 대한 추가적인 검증 필요. 다양한 종류의 피싱 공격 및 새로운 공격 기법에 대한 견고성 평가가 추가적으로 필요함.
◦
실제 환경에서의 성능 평가 및 적용에 대한 연구가 부족.
◦
사용된 데이터셋의 편향성 및 대표성에 대한 검토 필요.
