Controlling spam and spear phishing via peered network overlays and non-repudiable traceback
Notice bibliographique
Résumé
Despite 30 years of on-going effort, spam remains a significant problem. While technology has abated the deluge of spam invading the average user's email inbox, spam still facilitates the sale of counterfeited products, distribution of malware, and other criminal activities - as well as the more insidious use of spear phishing to leverage attacks into corporate and government networks. The value of email arises directly from its anyone-to-anyone message-passing capability. Hence, anti-spam techniques based on end-point encryption have met with limited success. Furthermore, due to geopolitical concerns, most traceback techniques only work effectively within - and not across - geopolitical boundaries; and while targeted removal of spam-friendly ISPs and botnets has had significant impacts on spam rates, these gains have tended to be short lived. This work proposes a novel approach to control spam and spear phishing through combining peer-level quality-of-service (QoS) agreements with a ProVerif verified, non-repudiable traceback protocol to enact spam resistant overlays that are: i) scalable, ii) enforceable over geopolitical boundaries, and iii) do not require technological sea changes. Simulation results on an Internet-style network of 3,000 ISPs show that even in the presence of aggressive spammers, it is possible to reduce the spam versus normal email equilibrium from 90:10 to 20:80. Furthermore, this approach can be used to aid in controlling spear phishing attacks targeting federated organizations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».