Hispanopedia Wiki
Articulo de referencia

Spam de imágenes

Figura 1. Ejemplo de una imagen de spam limpia. Figura 2. Ejemplos de imágenes de spam ofuscadas para evadir la detección basada en OCR y en firmas. Figura 3. Tamaño promedio de...

Hispanopedia WikiContenido en espanolLectura gratuita
Figura 1. Ejemplo de una imagen de spam limpia.
Figura 2. Ejemplos de imágenes de spam ofuscadas para evadir la detección basada en OCR y en firmas.
Figura 3. Tamaño promedio del spam frente al porcentaje de spam de imágenes [ 1 ]
Figura 4. Tamaño promedio del spam frente al porcentaje de spam de imágenes y ZIP/RAR (2011-2012, por semana) [ 2 ]

El spam basado en imágenes , [ 3 ] [ 4 ] o spam de imágenes , es un tipo de correo electrónico no deseado en el que el mensaje de spam textual está incrustado en imágenes, que luego se adjuntan a correos electrónicos no deseados. [ 5 ] Dado que la mayoría de los clientes de correo electrónico mostrarán el archivo de imagen directamente al usuario, el mensaje de spam se transmite tan pronto como se abre el correo electrónico (no hay necesidad de abrir el archivo de imagen adjunto).

Técnica

El objetivo del spam de imágenes es claramente eludir el análisis del contenido textual del correo electrónico que realizan la mayoría de los filtros de spam [ 5 ] (por ejemplo, SpamAssassin, RadicalSpam , Bogofilter, SpamBayes). Por consiguiente, por la misma razón, junto con la imagen adjunta, los spammers suelen añadir texto falso al correo electrónico, es decir, una serie de palabras que probablemente aparezcan en correos electrónicos legítimos y no en spam. Los primeros correos electrónicos de spam de imágenes contenían imágenes de spam cuyo texto era claro y fácilmente legible, como se muestra en la Fig. 1.

Detección

En consecuencia, se utilizaron herramientas de reconocimiento óptico de caracteres para extraer el texto incrustado en las imágenes de spam, que luego podía procesarse junto con el texto del cuerpo del correo electrónico mediante el filtro de spam o, de forma más general, mediante técnicas de categorización de texto más sofisticadas. [ 3 ] [ 6 ] Además, también se generaron firmas (por ejemplo, hash MD5) para detectar y bloquear fácilmente las imágenes de spam ya conocidas. Los spammers, a su vez, reaccionaron aplicando algunas técnicas de ofuscación a las imágenes de spam, de forma similar a los CAPTCHA , tanto para evitar que el texto incrustado fuera leído por las herramientas de OCR como para engañar a la detección basada en firmas. Algunos ejemplos se muestran en la Fig. 2.

Esto planteó la cuestión de mejorar la detección de spam de imágenes utilizando técnicas de visión artificial y reconocimiento de patrones. [ 3 ] [ 4 ] [ 7 ] [ 8 ]

In particular, several authors investigated the possibility of recognizing image spam with obfuscated images by using generic low-level image features (like number of colours, prevalent colour coverage, image aspect ratio, text area), image metadata, etc.[7][8][9][10] (see[4] for a comprehensive survey). Notably, some authors also tried detecting the presence of text in attached images with artifacts denoting an adversarial attempt to obfuscate it.[11][12][13][14]

History

Image spam started in 2004 and peaked at the end of 2006, when over 50% of spam was image spam. In mid-2007, it started declining, and practically disappeared in 2008.[1] The reason behind this phenomenon is not easy to understand. The decline of image spam can probably be attributed both to the improvement of the proposed countermeasures (e.g., fast image spam detectors based on visual features), and to the higher requirements in terms of bandwidth of image spam that force spammers to send a smaller amount of spam over a given time interval. Both factors might have made image spam less convenient for spammers than other kinds of spam. Nevertheless, at the end of 2011 a rebirth of image spam was detected, and image spam reached 8% of all spam traffic, albeit for a small period.[2]

See also

References

  1. 12IBM X-Force® 2010, Mid-Year Trend and Risk Report (August 2010).
  2. 12IBM X-Force® 2012, Mid-Year Trend and Risk Report (September 2012).
  3. 123Giorgio Fumera, Ignazio Pillai, Fabio Roli,"Spam filtering based on the analysis of text information embedded into images". Journal of Machine Learning Research (special issue on Machine Learning in Computer Security), vol. 7, pp. 2699-2720, 12/2006.
  4. 123Battista Biggio, Giorgio Fumera, Ignazio Pillai, Fabio Roli,Biggio, Battista; Fumera, Giorgio; Pillai, Ignazio; Roli, Fabio (2011). "A survey and experimental evaluation of image spam filtering techniques, Pattern Recognition Letters". Pattern Recognition Letters. 32 (10): 1436–1446. doi:10.1016/j.patrec.2011.03.022. Volume 32, Issue 10, 15 July 2011, Pages 1436-1446, ISSN 0167-8655.
  5. 12 Li , Siyuan; Li, Ruiguang; Xu, Yuan; Zhou, Hao; Yan, Hanbing; Xu, Bin; Zhang, Honggang (1 de septiembre de 2018). "Reconocimiento de caracteres chinos basado en WAF para filtrado de imágenes no deseadas" . Revista China de Electrónica . 27 (5): 1050– 1055. doi : 10.1049/cje.2018.06.014 . ISSN 1022-4653 . 
  6. ↑ "Bayes OCR Spam Assassin's Plugin" . Archivado del original el 7 de diciembre de 2013. Consultado el 3 de diciembre de 2013 .
  7. 1 2 Aradhye, H., Myers, G., Herson, JA, 2005. Análisis de imágenes para la categorización eficiente de correos electrónicos no deseados basados ​​en imágenes. En: Actas de la Conferencia Internacional sobre Análisis y Reconocimiento de Documentos, págs. 914–918.
  8. 1 2 Dredze, M., Gevaryahu, R., Elias-Bachrach, A., 2007. Aprendizaje de clasificadores rápidos para spam de imágenes. En: Actas de la 4.ª Conferencia sobre Correo Electrónico y Antispam (CEAS)
  9. ↑ Wu, C.-T., Cheng, K.-T., Zhu, Q., Wu, Y.-L., 2005. Uso de características visuales para el filtrado anti-spam. En: Proc. IEEE Int. Conf. on Image Processing, Vol. III.pp. 501–504.
  10. ↑ Liu, Q., Qin, Z., Cheng, H., Wan, M., 2010. Modelado eficiente de imágenes de spam. En: Simposio Internacional sobre Tecnología de la Información Inteligente e Informática de Seguridad. IEEE Computer Society, págs. 663–666.
  11. ↑ "Fuzzy - Complemento OCR Spam Assassin" .
  12. ↑ Battista Biggio, Giorgio Fumera, Ignazio Pillai, Fabio Roli, " Filtrado de spam de imágenes mediante información visual ", 14.ª Conferencia Internacional sobre Análisis y Procesamiento de Imágenes (ICIAP 2007), Módena, Italia, IEEE Computer Society, págs. 105-110, 10/09/2007.
  13. ↑ Fabio Roli, Battista Biggio, Giorgio Fumera, Ignazio Pillai, Riccardo Satta, "Filtrado de spam de imágenes mediante la detección de texto ofuscado adversario", Taller sobre sistemas de procesamiento de información neuronal (NIPS), Whistler, Columbia Británica, Canadá, 08/12/2007.
  14. ↑ Battista Biggio, Giorgio Fumera, Ignazio Pillai, Fabio Roli, "Mejora del filtrado de spam de imágenes mediante características de texto de imágenes", Quinta Conferencia sobre Correo Electrónico y Antispam (CEAS 2008), Mountain View, CA, EE. UU., 21/08/2008.