基于蒸馏注意力增强双向循环神经网络的下一代防钓邮件轻量防御机制
密码学与安全
2026-02-27 v1
摘要
当前大型语言模型生成的高级社会工程内容能够规避业务通信平台中的标准文本筛查系统。我们提出的邮件网关和终端欺骗检测解决方案在保护隐私的同时，处理网络和移动安全系统的性能需求。MobileBERT 教师在微调后转化为带多头注意力的双向循环神经网络模型，仅使用 450 万参数即可保持语义辨识能力。混合数据集包含人类撰写的消息与 LLM 生成的改写文本，这些改写文本采用掩码技术和个人化方法，以增强现代攻击的抗性。评估系统使用五种测试协议，包括仅人类测试、仅 LLM 测试、两个跨分布迁移测试以及生产环境混合流量测试，以评估在原生环境和不同分布类型以及组合流量场景下的性能。蒸馏模型相较于包括 ModernBERT、DeBERTaV3-base、T5-base、DeepSeek-R1 Distill Qwen-1.5B 和 Phi-4 mini 等强大变换器基线，加权 F1 分数差异为 1-2.5 分，推理速度快 80-95 倍，模型规模缩小 95-99 倍。该系统在准确率和延迟方面表现优异，同时保持紧凑尺寸，使其无需加速硬件即可实现实时过滤，并支持基于策略的管理。本文考察了高流量情况下的系统性能、隐私保护措施以及 operational 部署的实现方法。
引用
@article{arxiv.2602.22250,
title = {A Lightweight Defense Mechanism against Next Generation of Phishing Emails using Distilled Attention-Augmented BiLSTM},
author = {Morteza Eskandarian and Mahdi Rabbani and Arun Kaniyamattam and Fatemeh Nejati and Mansur Mirani and Gunjan Piya and Igor Opushnyev and Ali A. Ghorbani and Sajjad Dadkhah},
journal= {arXiv preprint arXiv:2602.22250},
year = {2026}
}