MARC

 008260126s2025        us                              c    eng  d
■001000017360450
■00520260202105528
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263351465
■035    ▼a(MiAaPQ)AAI32309792
■035    ▼a(MiAaPQ)GeorgiaTech77819
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a005.1
■1001  ▼aYang,  Zheng.
■24510▼aReducing  Web  Attack  Surface:  Mitigating  Social  Engineering  and  Code  Injection  Threats
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a141  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  A.
■500    ▼aAdvisor:  Lee,  Wenke;Saltaformaggio,  Brendan.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2025.
■520    ▼aThe  web  ecosystem  has  become  an  essential  platform  for  communication,  business,  and  entertainment,  yet  it  remains  highly  vulnerable  to  various  forms  of  injection-based  cyber  threats.  These  include  not  only  technical  exploits  like  code  injection  attacks,  but  also  social  engineering  threats  that  inject  misleading  content,  invisible  overlays,  or  malicious  scripts  to  deceive  users  and  compromise  web  applications.  While  existing  security  solutions  tend  to  focus  narrowly  on  either  system  hardening  or  user  education,  they  often  fall  short  in  mitigating  the  increasingly  sophisticated  and  blended  attack  techniques  seen  in  the  wild.This  dissertation  presents  a  unified,  multi-layered  defense  strategy  against  such  injection-based  threats  through  the  design  and  implementation  of  three  novel  security  mechanisms:  TRIDENT,  COINDEF,  and  COINDX.  Each  system  targets  a  different  class  of  attack  vector  and  collectively  contributes  to  a  reduced  attack  surface  for  both  end-users  and  developers.We  first  introduce  TRIDENT,  a  browser-based  defense  system  that  detects  and  blocks  social  engineering  attacks  distributed  through  low-tier  ad  networks.  By  analyzing  ad  script  behaviors,  TRIDENT  identifies  and  mitigates  deceptive  content  injected  to  ad  publisher  websites  that  lead  users  to  social  engineering  websites.  Then,  we  propose  COINDEF,  a  customized  Electron  engine  designed  to  prevent  code  injection  attacks  by  enforcing  execution  policies.  Unlike  traditional  XSS  mitigation  strategies  that  focus  on  browser  isolation,  COINDEF  ensures  that  only  trusted  code  executes  within  the  Electron  environment  by  validating  the  structural  integrity  of  JavaScript's  abstract  syntax  tree  and  execution  context.  Last,  we  present  COINDX,  a  root  cause  analysis  framework  for  code  injection  attacks  in  JavaScript  applications.  Given  the  complexity  of  JavaScript  and  its  dynamic  dependencies,  traditional  vulnerability  detection  methods  struggle  with  state  explosion  or  accuracy.  COINDX  addresses  this  by  constructing  a  simplified  program  based  on  call  stack  traces  and  applying  iterative  symbolic  analysis  to  reproduce  the  vulnerable  state  and  pinpoint  the  root  cause.By  integrating  these  three  systems,  this  dissertation  advances  web  security  through  a  proactive  and  automated  defense  model.  Rather  than  reacting  to  known  signatures  or  relying  solely  on  user  awareness,  the  proposed  framework  reduces  the  attack  surface  by  preventing  both  social  and  technical  injections  before  they  can  succeed.  TRIDENT  limits  user  exposure  to  deceptive  web  content,  COINDEF  safeguards  execution  environments  in  hybrid  applications,  and  COINDX  provides  developers  with  precise  tools  for  vulnerability  remediation.Ultimately,  this  research  underscores  the  importance  of  a  holistic  approach  to  web  security-one  that  recognizes  the  convergence  of  social  and  technical  vectors  under  the  broader  category  of  injection  attacks.  The  solutions  presented  here  contribute  to  a  more  resilient  web  ecosystem  by  bridging  the  gap  between  content-level,  runtime,  and  developer-facing  defenses.
■590    ▼aSchool  code:  0078.
■650  4▼aScripts
■650  4▼aUser  training
■650  4▼aThreats
■650  4▼aExploitation
■650  4▼aDesign
■650  4▼aWebsites
■650  4▼aStreaming  media
■650  4▼aDefense
■650  4▼aCybercrime
■650  4▼aEcosystems
■650  4▼aJavaScript
■650  4▼aCriminology
■650  4▼aFilm  studies
■650  4▼aWeb  studies
■690    ▼a0389
■690    ▼a0627
■690    ▼a0900
■690    ▼a0646
■690    ▼a0338
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05A.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360450▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서