环境对响应鱼叉式网络钓鱼攻击的影响:一项现场欺骗研究

算法透明度与可审计性数据隐私感知与决策在线骚扰与反制工具网络安全工程师隐私政策制定者内容治理与平台合规团队

文献标题

The Influence of Context on Response to Spear-Phishing Attacks: an In-Situ Deception Study

文献信息

  • 主题领域: 网络安全,用户行为研究,钓鱼攻击的影响评估
  • 关键词: 网络安全,人机交互,钓鱼攻击,经验研究,定性研究方法

研究背景与问题

  • 发现问题或挑战:

    1. 网络钓鱼攻击是一种普遍的网络安全威胁。定制化的钓鱼攻击如鱼叉式钓鱼由于针对性强,技术检测方法难以有效阻止。
    2. 尽管存在用户教育和反钓鱼训练,组织仍然容易受到这类攻击的影响。
    3. 关于员工的工作环境和情境如何影响他们对钓鱼攻击的反应,现有知识仍有不足。
  • 重要性: 鱼叉式钓鱼攻击是造成数据泄露的主要原因之一,占2020年数据泄露的90%。它不仅造成个人和企业的损害,还可能危及重要基础设施或社会功能。

  • 研究动机与相关工作:

    • 动机: 需要深入了解情境因素如何影响员工对钓鱼邮件的反应,以提出更有效的防御方法。
    • 相关研究:
      • 研究发现钓鱼攻击的成功与社会影响力的使用(例如权威性、承诺感或时间压力)密切相关。
      • 现有反钓鱼教育和嵌入式训练有局限性,例如可能引发负面或羞辱性的用户体验,且对高级攻击的应对能力不足。

解决方案

  • 提出方法或解决方案: 作者采用一种基于情境的诱导研究方法(in-situ deception methodology),设计钓鱼邮件模拟攻击并观察参与者的实时行为和提问访谈。

  • 创新之处:

    1. 使用包含权威和紧迫线索的定制化鱼叉式钓鱼邮件直接测试现实中的员工反应。
    2. 结合观察与访谈的定性数据,捕捉参与者的情绪、思维过程以及行为。
    3. 关注实际工作环境中的生态学效度,分析工作情境对员工反钓鱼能力的影响。
  • 实施步骤与技术:

    1. 在欧洲某大学中进行现场观察,选取14名代表性员工(包括研究人员和行政人员)。
    2. 向参与者发送模拟鱼叉式钓鱼邮件,同时记录参与者的即时反应(如是否点击链接)。
    3. 通过半结构化访谈和用户体验曲线(UX Curve)方法,采集参与者对攻击的回顾性反思以及提出的解决方案。

研究成果

  • 具体成果:

    • 仅有29%的参与者点击了钓鱼链接,导致模拟攻击“成功”。但重要的发现是决定点击或不点击的认知过程分为快速自动化(较少思考)和缓慢的反思性过程(深入检查邮件中是否有可疑元素)。
    • 主要情境因素包括内部压力(如需要快速响应上级邮件)、社会支持以及任务类型等。
    • 社会互动有助于检测可疑邮件,但落入钓鱼的参与者往往因羞耻感不愿报告问题。
  • 与现有解决方案的优势:

    • 与以往研究相比,该研究系统地分析了影响钓鱼攻击成功的情境因素。
    • 提出了组织层面的解决方案,例如鼓励同事间的开放磋商和从环境层面优化员工行为。
  • 实验或评估结果:

    1. 发生钓鱼邮件点击的主要原因是信任来源(例如教授名字出现)并快速行动,说明“权威线索”在攻击成功中起重要作用。
    2. 情感(如压力)和社会环境(如同事互动)对参与者的邮件处理方式影响显著。
  • 局限性与未来方向:

    • 局限性:
      1. 样本局限于一个大学环境且参与者均具有较高学历,难以泛化至其他类型组织。
      2. 英语作为钓鱼邮件语言对多语言环境中的组织并非完全适用。
    • 未来方向:
      1. 进一步研究移动设备处理邮件时的钓鱼检测难度。
      2. 探讨如何通过社会化干预提升员工的钓鱼检测与报告能力。
      3. 深入研究时间和生理因素(如员工疲劳阶段)对钓鱼攻击响应的影响。

总结与建议

  • 建议:

    • 反钓鱼训练应关注“情境”而非仅针对个人特点,例如减少邮件快速响应的社会规范压力。
    • 推动“反钓鱼”的社会化行为,创建鼓励员工报告错误而非羞辱的组织文化。
    • 针对鱼叉式钓鱼设计更高级的训练课程,尤其应注重提高员工对社会线索和技术线索的警惕性。
  • 学术贡献:

    • 提供了对情境因素如何动态影响反钓鱼行为的定性洞察。
    • 呼吁反钓鱼研究进一步采用跨学科视角,结合技术解决方案与社会心理学方法提高组织网络安全水平。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/95829/2023

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3544548.3581170
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
1 位作者
sell
研究子方向
算法透明度与可审计性、数据隐私感知与决策、在线骚扰与反制工具
work
职业/产业
网络安全工程师、隐私政策制定者、内容治理与平台合规团队
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文