No abstract

The expansion of the Internet has grown the possibilities for fraudulent actions. Among these possibilities, we highlight the phishing activity, created with the objective of capturing user's credentials through a false page similar to the original one. This work proposes PhishKiller, a tool capable of detecting and mitigating phishing attacks by means a proxy approach employed to intercept user‐accessed addresses, and featureless machine learning techniques to classify URLs. The proof‐of‐concept evaluation results revealed that PhishKiller has a more cost‐effective compared to state of the art, with an accuracy of 98.30% and taking only 81.68 ms to predict and block malicious websites.

A expansão da Internet expandiu as possibilidades de ações fraudulentas. Entre essas ações, destaca-se a atividade de phishing, criada com o objetivo de capturar as credenciais do usuário através de uma página falsa similar à do serviço original. Diante disso, este trabalho propõe o PhishKiller, uma ferramenta capaz de detectar e mitigar ataques de phishing, utilizando um proxy para interceptação dos endereços acessados pelo usuário e técnicas de deep learning não baseadas em parâmetros para classificação dos URLs. As avaliações demonstraram a viabilidade do PhishKiller, que teve uma acurácia de 98.3% na detecção de endereços maliciosos e tempo de processamento médio de 81.68ms por requisição.

No abstract

Resumo-Neste trabalho, a fusão dos parâmetros MFCCs (Mel-Frequency Cepstral Coefficients) e VVGP (Variable Variance Gaussian Parameter) em sistemas de verificação de locutor independentes de textoé avaliada. Dois classificadores foram utilizados neste trabalho: o primeiro baseado em Mistura de Gaussianas; o segundo utilizando i-vectors. Os resultados indicam a validade do uso dos parâmetros VVGP em ambas metodologias.