Resumen

Las extensiones de navegador malintencionadas suponen un riesgo de seguridad emergente y se han convertido en uno de los vectores de ataque ms comunes en Internet debido a su amplia popularidad y alto privilegio. Una vez instaladas, las extensiones maliciosas se ejecutan e intentan comprometer el navegador de la vctima. Para detectar extensiones de navegador maliciosas, los investigadores de seguridad han propuesto varias tcnicas. Estas tcnicas se centran principalmente en el uso de llamadas API por parte de extensiones maliciosas, la imposicin de polticas restringidas para las extensiones y la supervisin de las actividades de las extensiones. En este artculo, proponemos un enfoque basado en el aprendizaje automtico para detectar extensiones maliciosas. Aplicamos tcnicas estticas y dinmicas para analizar una extensin y extraer sus caractersticas. El proceso de anlisis extrae caractersticas de los cdigos fuente, incluidos cdigos JavaScript, pginas HTML y archivos CSS, y de las actividades de ejecucin de una extensin. Para garantizar la solidez de las caractersticas, se aplica a continuacin un mtodo de seleccin de caractersticas para retener las ms relevantes y descartar las de baja correlacin. Los modelos de deteccin basados en tcnicas de aprendizaje automtico se construyen posteriormente aprovechando estas caractersticas. Como se desprende de los resultados de la evaluacin, nuestro modelo de deteccin, que contiene ms de 4.600 muestras de extensiones etiquetadas, es capaz de detectar extensiones maliciosas con una precisin del 96,52% en el conjunto de validacin y del 95,18% en el conjunto de prueba, con una tasa de falsos positivos del 2,38% en el conjunto de validacin y del 3,66% en el conjunto de prueba.

• Materias:Cifrado de búsqueda Ataque criptográfico Seguridad en Internet
• Subjects:Search encryption Cryptographic attack Internet Security
• Palabras claves:Extensiones del navegador; Riesgo para la seguridad; Vectores de ataque; Llamadas a API; Enfoque basado en aprendizaje automático; Detección de extensiones maliciosas.
• Keywords:Browser extensions; Security risk; Attack vectors; API calls; Machine-learning-based approach; Malicious extensions detection