Malwareless Web-Analytics Pollution (MWAP): A Very Simple Yet Invincible Attack
Notice bibliographique
Résumé
Malwareless Web-analytics pollution (MWAP) attack is a type of cross-site attack that has been recently identified and discussed in [1]. The main aim of this attack is to distort the Web-site access logs of the victim/target company, and through that also distort this company's Web-based data analytics as well as its overall business performance. The key characteristics of the MWAP attack is that it is very easy to execute, as it does not involve the use of any malware, and it can be preformed simply by luring a set of random third-party users into visiting a specially crafted decoy Web-page. From that point on, through the sheer process of the decoy Web-page rendering, the browsers of the third-party users end up turning into temporary bots that generate a slew of legitimate looking HTTP request towards the Web-server of the victim site. The goal of our work was to investigate how effective three representative types of Web-analytics solutions (AWStats, Google Analytics and DataDome) would be in detecting several different variants of the MWAP attack. Our obtained experimental results show that, unfortunately, all of these solutions fail to detect some select variants of the MWAP attack, while one of the solutions fails to detect all of the examined MWAP variants. These results are very worrisome as the trend towards malwareless attack vectors is expected to accelerate in the coming years and we are likely to start seeing an increasing number of real-world incidents of the MWAP attack.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».