MLLMs 能否检测钓鱼信息？聚焦动态威胁与学术环境多模态评估的综合安全基准套件
密码学与安全
2025-11-25 v2 人工智能
摘要
多模态大语言模型（MLLMs）的快速普及引入了前所未有的安全挑战，尤其是在学术环境中的钓鱼检测领域。学术机构和研究人员是高价值目标，面临着动态的、多语言的、依赖情境的威胁，这些威胁利用研究背景、学术合作和个人信息来精细化定制攻击手段。现有的安全基准大多依赖不包含特定学术背景信息的数据集，无法捕捉学术环境下演化不断的攻击模式和以人为中心的脆弱因素。为此，我们提出 AdapT-Bench，一个统一的方法论框架和基准套件，用于系统性地评估 MLLM 在学术设置下针对动态钓鱼攻击的防御能力。
引用
@article{arxiv.2511.15165,
title = {Can MLLMs Detect Phishing? A Comprehensive Security Benchmark Suite Focusing on Dynamic Threats and Multimodal Evaluation in Academic Environments},
author = {Jingzhuo Zhou},
journal= {arXiv preprint arXiv:2511.15165},
year = {2025}
}