自适应语言提示 (ALP) 增强多模态大语言模型中的网络钓鱼网页检测
计算与语言
2025-08-26 v2
摘要
网络钓鱼攻击构成重要的网络安全威胁,亟需自适应检测技术。本研究探讨在检测多模态大语言模型(如 GPT-4o 和 Gemini 1.5 Pro)中的网络钓鱼网页时,采用少量样本的自适应语言提示 (Adaptive Linguistic Prompting, ALP) 方法。ALP 是一种结构化语义推理方法,通过拆解语言模式、检测紧迫线索并识别网络钓鱼内容中常见的操纵性措辞,引导模型分析文本欺骗。将文本、视觉与 URL 分析集成,提出一种能够识别高级网络钓鱼攻击的统一模型。实验表明,ALP 通过引导模型进行结构化推理与情境分析,显著提升了网络钓鱼检测准确率,实现 F1 分数达0.93，超越传统方法。这些结果为基于大语言模型的更可靠、可解释且自适应的语言化网络钓鱼检测系统奠定了基础。
引用
@article{arxiv.2507.13357,
title = {Adaptive Linguistic Prompting (ALP) Enhances Phishing Webpage Detection in Multimodal Large Language Models},
author = {Atharva Bhargude and Ishan Gonehal and Dave Yoon and Kaustubh Vinnakota and Chandler Haney and Aaron Sandoval and Kevin Zhu},
journal= {arXiv preprint arXiv:2507.13357},
year = {2025}
}
备注
Published at ACL 2025 SRW, 9 pages, 3 figures