Detecção de Smishing usando aprendizado de máquina: metodologia e aplicação

Abstract

A crescente utilização de canais de comunicação digital tem intensificado as ameaças cibernéticas, com o Smishing emergindo como uma preocupação significativa. Smishing, uma combinação de “SMS” e “phishing”, envolve o envio de mensagens de texto fraudulentas para extrair informações sensíveis ou comprometer a segurança dos usuários. Este estudo apresenta o desenvolvimento de um aplicativo de gestão de SMS com recursos para mitigar os riscos associados ao Smishing. Utilizando uma amostragem de SMSs de usuários, implementamos um modelo de detecção baseado em Random Forest, convertido para o formato ONNX, e desenvolvemos um aplicativo móvel com Kotlin e Android Jetpack. Os resultados indicam que o aplicativo é eficaz na identificação de tentativas de Smishing, com uma precisão de 94% e f1-score de 0.85.

The increasing use of digital communication channels has intensified cyber threats, with Smishing emerging as a significant concern. Smishing, a combination of “SMS” and “phishing,”involves sending fraudulent text messages to extract sensitive information or compromise user security. This study presents the development of an SMS management application with features to mitigate the risks associated with Smishing. Using a sample of user SMS messages, we implemented a detection model based on Random Forest, converted to the ONNX format, and developed a mobile application using Kotlin and Android Jetpack. The results indicate that the application is effective in identifying Smishing attempts, with an accuracy of 94% and an f1-score of 0.85.