Analysis of eCrime in Crowd- sourced Labor Markets Vaibhav - PowerPoint PPT Presentation

Analysis ¡of ¡eCrime ¡in ¡Crowd-­‑ sourced ¡Labor ¡Markets ¡ Vaibhav ¡Garg , ¡Chris ¡Kanich, ¡and ¡L. ¡Jean ¡Camp ¡

Why ¡eCrime? ¡ • Kanich ¡et ¡al., ¡SpamalyBcs: ¡An ¡Empirical ¡Analysis ¡of ¡ Spam ¡MarkeBng ¡Conversion. ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ PharmaceuBcal ¡Spam ¡= ¡$ ¡3.5 ¡M ¡ ¡ • Moore ¡and ¡Clayton. ¡An ¡Empirical ¡Analysis ¡of ¡the ¡ Current ¡State ¡of ¡Phishing ¡ALack ¡and ¡Defence. ¡ ¡ ¡ ¡ ¡Phishing ¡= ¡$ ¡178.1 ¡M ¡ • Stone-­‑Gross ¡et ¡al., ¡The ¡Underground ¡Economy ¡of ¡ Spam: ¡A ¡Botmaster’s ¡PerspecBve ¡of ¡CoordinaBng ¡ Large-­‑Scale ¡Spam ¡Campaigns. ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ Fake ¡AnBvirus ¡= ¡$ ¡130 ¡M ¡

eCrime ¡SoluBons ¡ ¡ • Deterrence ¡Theory ¡ – Regulatory ¡ • PenalBes ¡++ ¡ • ProsecuBon ¡++ ¡ • Graduated ¡Response/SOPA/PIPA/ACTA ¡ ¡ – Technical ¡ • CAPTCHAs ¡ • IP ¡Filtering ¡ • Virtual ¡Machine/Fake ¡Bots ¡

eCrime: ¡A ¡Limited ¡Understanding ¡ • Why ¡do ¡individuals ¡choose ¡to ¡engender ¡profits ¡through ¡ eCrime ¡rather ¡than ¡by ¡legal ¡enterprise? ¡

eCrime: ¡A ¡Limited ¡Understanding ¡ • Why ¡do ¡individuals ¡choose ¡to ¡engender ¡profits ¡through ¡ eCrime ¡than ¡by ¡legal ¡enterprise? ¡ • When ¡profits ¡are ¡not ¡perBnent, ¡what ¡(socio-­‑economic) ¡ factors ¡facilitate ¡engagement ¡in ¡eCrime? ¡

eCrime: ¡A ¡Limited ¡Understanding ¡ • Why ¡do ¡individuals ¡choose ¡to ¡engender ¡profits ¡through ¡ eCrime ¡than ¡by ¡legal ¡enterprise? ¡ • When ¡profits ¡are ¡not ¡perBnent, ¡what ¡(socio-­‑economic) ¡ factors ¡facilitate ¡engagement ¡in ¡eCrime? ¡ • Why ¡are ¡individuals ¡in ¡certain ¡countries ¡more ¡ suscepBble ¡to ¡voluntary ¡parBcipaBon ¡in ¡eCrime ¡than ¡ other? ¡(e.g. ¡Phishing) ¡

eCrime: ¡A ¡Limited ¡Understanding ¡ • Why ¡do ¡individuals ¡choose ¡to ¡engender ¡profits ¡through ¡ eCrime ¡than ¡by ¡legal ¡enterprise? ¡ • When ¡profits ¡are ¡not ¡perBnent, ¡what ¡(socio-­‑economic) ¡ factors ¡facilitate ¡engagement ¡in ¡eCrime? ¡ • Why ¡are ¡individuals ¡in ¡certain ¡countries ¡more ¡ suscepBble ¡to ¡voluntary ¡parBcipaBon ¡in ¡eCrime ¡than ¡ other? ¡(e.g. ¡Phishing) ¡ • Why ¡are ¡systems ¡in ¡certain ¡countries ¡more ¡suscepBble ¡ to ¡involuntary ¡engagement ¡in ¡eCrime ¡than ¡others? ¡ (e.g. ¡Botnets) ¡

eCrime: ¡A ¡Limited ¡Understanding ¡ • Why ¡do ¡individuals ¡choose ¡to ¡engender ¡profits ¡through ¡ eCrime ¡than ¡by ¡legal ¡enterprise? ¡ • When ¡profits ¡are ¡not ¡perBnent, ¡what ¡(socio-­‑economic) ¡ factors ¡facilitate ¡engagement ¡in ¡eCrime? ¡ • Why ¡are ¡individuals ¡in ¡certain ¡countries ¡more ¡ suscepBble ¡to ¡voluntary ¡parBcipaBon ¡in ¡eCrime ¡than ¡ other? ¡(e.g. ¡Phishing) ¡ • Why ¡are ¡systems ¡in ¡certain ¡countries ¡more ¡suscepBble ¡ to ¡involuntary ¡engagement ¡in ¡eCrime ¡than ¡others? ¡ (e.g. ¡Botnets) ¡ • How ¡do ¡legiBmate ¡enterprise ¡and ¡eCrime ¡impact ¡each ¡ other? ¡

eCrime: ¡A ¡Limited ¡Understanding ¡ • Why ¡do ¡individuals ¡choose ¡to ¡engender ¡profits ¡through ¡ eCrime ¡than ¡by ¡legal ¡enterprise? ¡ • When ¡profits ¡are ¡not ¡perBnent, ¡what ¡(socio-­‑economic) ¡ factors ¡facilitate ¡engagement ¡in ¡eCrime? ¡ • Why ¡are ¡individuals ¡in ¡certain ¡countries ¡more ¡ suscepBble ¡to ¡voluntary ¡parBcipaBon ¡in ¡eCrime ¡than ¡ other? ¡(e.g. ¡Phishing) ¡ • Why ¡are ¡systems ¡in ¡certain ¡countries ¡more ¡suscepBble ¡ to ¡involuntary ¡engagement ¡in ¡eCrime ¡than ¡others? ¡ (e.g. ¡Botnets) ¡ • How ¡do ¡legiBmate ¡enterprise ¡and ¡eCrime ¡impact ¡each ¡ other? ¡

Smuggling ¡Theory ¡of ¡eCrime ¡ • eCrime ¡ ¡ – Social ¡welfare ¡increasing ¡ – ProhibiBve ¡tariff ¡ – Suppresses ¡legal ¡enterprise ¡ • SoluBon: ¡Reduce ¡the ¡costs ¡for ¡legal ¡enterprise! ¡ • Garg ¡et ¡al., ¡Organized ¡Digital ¡Crime: ¡A ¡Smuggling ¡ Theory ¡Approach. ¡

• TranscripBon ¡ • TranslaBon ¡ • Etc. ¡ ¡ • IpeiroBs, ¡Demographics ¡of ¡ mechanical ¡turk. ¡ • Ross ¡et ¡al., ¡Who ¡are ¡the ¡ crowdworkers?: ¡shieing ¡ demographics ¡in ¡mechanical ¡turk. ¡ ¡

• 44.6% ¡jobs ¡not ¡legiBmate ¡ • Search ¡engine ¡opBmizaBon ¡ • Spam ¡ • CAPTCHAs ¡ • Social ¡network ¡links ¡ • Etc. ¡ ¡ • Motoyama ¡et ¡al., ¡Dirty ¡jobs ¡: ¡The ¡role ¡of ¡freelance ¡ labor ¡in ¡web ¡service ¡abuse. ¡ ¡

Macro-­‑level ¡Model ¡ • Affordability ¡ – GDP ¡per ¡capita ¡ – GDP ¡per ¡capita ¡by ¡PPP ¡ • Accessibility ¡ – Higher ¡quality ¡broadband ¡ – Reliable ¡access ¡ – Urban ¡populaBon ¡

Macro-­‑level ¡Model ¡ • Affordability ¡ • Accessibility ¡ • PopulaBon ¡ – Total ¡PopulaBon ¡ – Number ¡of ¡Internet ¡Users ¡ • Security ¡ – Secure ¡Internet ¡Servers ¡(SIS) ¡ – SIS ¡by ¡populaBon ¡ ¡ ¡

Macro-­‑level ¡Model ¡ • Affordability ¡ • Accessibility ¡ • PopulaBon ¡ • Security ¡ • English ¡ • Legal ¡Framework ¡ – Alleviates ¡supply ¡not ¡demand ¡ – Impact ¡of ¡corrupBon ¡ – Deterrence ¡and ¡displacement ¡ ¡ ¡

Future ¡Work ¡ • High ¡parBcipaBon ¡vs. ¡Low ¡parBcipaBon ¡ • Theories ¡of ¡Crime ¡Offline ¡ • Longitudinal ¡Analysis ¡ • PredicBve ¡Models ¡ • Other ¡acBviBes, ¡e.g. ¡botnets. ¡ ¡

Summary ¡ • Macro-­‑level ¡analyses ¡ • Limited ¡impact ¡of ¡deterrence ¡ • Higher ¡costs ¡of ¡legiBmate ¡enterprise ¡ • Public ¡policy ¡implicaBons ¡ • Private ¡enterprise ¡implicaBons ¡