No mundo atual, sistemas eletrônicos e em rede, como dispositivos IoT, plataformas embarcadas e ambientes inteligentes, são cada vez mais populares e disseminados. Como resultado, esses sistemas ficam mais expostos a ameaças cibernéticas. URLs maliciosas também são um dos vetores de ciberataques mais difundidos e perigosos, pois são amplamente usadas em phishing, distribuição de malware e comunicação de comando e controle. A segurança desses sistemas eletrônicos requer técnicas de detecção em tempo real, leves e inteligentes, que devem ser eficientes em ambientes com recursos limitados. Para atender a essa necessidade, propomos o SwiftURL, um modelo leve de aprendizado profundo para detectar URLs maliciosas que pode ser especificamente implantado em ambientes eletrônicos modernos. O SwiftURL aproveita a destilação de conhecimento de um modelo professor ELECTRA-Small baseado em transformer, transferindo a capacidade de detecção para um modelo aluno menor e mais rápido, mantendo alto desempenho. Resultados experimentais em um conjunto de dados público do Kaggle de URLs maliciosas demonstram que o SwiftURL alcança uma acurácia de 94,38%, reduz a sobrecarga computacional em 35% e acelera o tempo de treinamento em 15%. Essas descobertas destacam a eficácia do SwiftURL como uma solução prática para aprimorar a cibersegurança em sistemas eletrônicos e em rede por meio da detecção eficiente e local de ameaças em URLs.
Lim et al. (Mon,) estudaram esta questão.