Icon

JKISeason2-24@obito_​od

Just Knime It season2-24@obito_od

Just KNIME It! Season2
Challenge 24: Fraudulent Email Address Detection
@obito_od回答例











Just KNIME It! season2-24 Knime ver. : 4.7.7 方針＠前後で分割し、ドメインを抽出後、正規っぽいドメインとそれ以外で分けてファジーマッチングを行う 説明このチャレンジでは、あなたはサイバーセキュリティのアナリストになり、実際には悪意のあるメールであるにもかかわらず、正当なメールであるかのように装うメールを識別できるかどうかを確認します。あなたは、悪質な電子メールが主要な電子メールドメインを模倣することによって受信者を騙そうとしていることに気づきます。例えば、@gnail、@gmialなどが@gmailとして送信しようとしていることに気づきます。そして、全ドメインのカウントを取ることにする。カウントが最も少ないものは、詐欺である可能性が高い。また、これらのカウント数の少ないメールドメインが、主要なメールドメインを装っているかどうかもチェックする必要があります。回答は、@unique.comを詐欺メールとしてマークしてはいけません。注意：ワークフローでは変数をハードコードしないようにしてください。ヒント：文字列の類似性をチェックするのが役に立つかもしれない。 Description: In this challenge you will take the role of cybersecurity analyst, and see if you can identify emails that are trying topass as legitimate when they are in fact malicious. You notice that bad-actor emails try to trick the receiver by mimickingmajor email domains. For instance, you notice that @gnail, @gmial, etc. are trying to pass as @gmail. You then decide to geta count of all the domains: those that have the lowest count have a higher probability of being fraudulent. You must alsocheck whether those low-count email domains are trying to pose as the major emails domains or not. Your answer should notmark @unique.com as fraudulent. Note: Try not to hard-code any variables in your workflow, but instead use mean or medianfor instance. Hint: Checking for string similarity might help. データ読み込み@前後で分割ドメイン毎にカウントcount >１のもの、ドメインがunique.comのものをupperに分けるファジーマッチングをするdistanceが1のものを抽出アンピボット余計な行を削除カラム名変更余計なカラムを消す CSV Reader Cell Splitter GroupBy Rule-basedRow Splitter String Matcher Row Filter Unpivoting Row Filter Column Rename Column Filter Just KNIME It! season2-24 Knime ver. : 4.7.7 方針＠前後で分割し、ドメインを抽出後、正規っぽいドメインとそれ以外で分けてファジーマッチングを行う 説明このチャレンジでは、あなたはサイバーセキュリティのアナリストになり、実際には悪意のあるメールであるにもかかわらず、正当なメールであるかのように装うメールを識別できるかどうかを確認します。あなたは、悪質な電子メールが主要な電子メールドメインを模倣することによって受信者を騙そうとしていることに気づきます。例えば、@gnail、@gmialなどが@gmailとして送信しようとしていることに気づきます。そして、全ドメインのカウントを取ることにする。カウントが最も少ないものは、詐欺である可能性が高い。また、これらのカウント数の少ないメールドメインが、主要なメールドメインを装っているかどうかもチェックする必要があります。回答は、@unique.comを詐欺メールとしてマークしてはいけません。注意：ワークフローでは変数をハードコードしないようにしてください。ヒント：文字列の類似性をチェックするのが役に立つかもしれない。 Description: In this challenge you will take the role of cybersecurity analyst, and see if you can identify emails that are trying topass as legitimate when they are in fact malicious. You notice that bad-actor emails try to trick the receiver by mimickingmajor email domains. For instance, you notice that @gnail, @gmial, etc. are trying to pass as @gmail. You then decide to geta count of all the domains: those that have the lowest count have a higher probability of being fraudulent. You must alsocheck whether those low-count email domains are trying to pose as the major emails domains or not. Your answer should notmark @unique.com as fraudulent. Note: Try not to hard-code any variables in your workflow, but instead use mean or medianfor instance. Hint: Checking for string similarity might help. データ読み込み@前後で分割ドメイン毎にカウントcount >１のもの、ドメインがunique.comのものをupperに分けるファジーマッチングをするdistanceが1のものを抽出アンピボット余計な行を削除カラム名変更余計なカラムを消す CSV Reader Cell Splitter GroupBy Rule-basedRow Splitter String Matcher Row Filter Unpivoting Row Filter Column Rename Column Filter

Nodes

Extensions

Links

Download

To use this workflow in KNIME, download it from the below URL and open it in KNIME:

Download Workflow
Created by: F065807
Created at: 2023-03-30
On NodePit since: 2023-09-06
Last update: 2024-04-28
Created with KNIME version: v4.7.7
Tags: obito_odJKISeason2-24

Deploy, schedule, execute, and monitor your KNIME workflows locally, in the cloud or on-premises – with our brand new NodePit Runner.

Try NodePit Runner!