CLASP：面向网络钓鱼检测的成本优化型 LLM 代理系统
密码学与安全
2025-10-22 v1
摘要
网络钓鱼网站仍是网络安全中的重大威胁，亟需精准且高效的检测机制。本文提出 CLASP，一种新型系统通过利用大语言模型构建的多个智能代理来有效识别网络钓鱼网站。系统处理 URL 或二维码，采用针对不同方面的专用 LLM 代理评估 URL 结构、网页截图和 HTML 内容，以预测潜在网络钓鱼威胁。为在优化性能的同时最小化运营成本，我们尝试了多种代理分析组合策略，最终设计一种战略组合方案，确保每网站的评估费用保持在最低水平而不牺牲检测准确性。我们测试了包括 Gemini 1.5 Flash 和 GPT-4o mini 在内的各种 LLM 来构建这些代理，发现 Gemini 1.5 Flash 在新建构的数据集上以 83.01% 的 F1 分数取得最佳性能。此外，系统保持每网站平均处理时间为 2.78 秒，API 费用约为每 1,000 网站 $3.18。更重要的是，CLASP 超越了领先的先前解决方案，在所收集的数据集上实现召回率提升超过 40%，F1 分数提升约 20%。为支持进一步研究，我们已公开数据集，支持开发更先进的网络钓鱼检测系统。
引用
@article{arxiv.2510.18585,
title = {CLASP: Cost-Optimized LLM-based Agentic System for Phishing Detection},
author = {Fouad Trad and Ali Chehab},
journal= {arXiv preprint arXiv:2510.18585},
year = {2025}
}
备注
Accepted in the 5th International Conference on Electrical, Computer, and Energy Technologies (ICECET2025)