黑盒与白盒机器学习模型在网络钓鱼检测中的比较分析
密码学与安全
2024-12-04 v1 人工智能
摘要
背景：网络钓鱼检测模型的可解释性可以支持网络钓鱼攻击缓解的进一步解决方案，通过增加信任和理解网络钓鱼的检测方式。目的：本研究旨在确定并给出最佳建议，以满足关键需求的方法。方法：我们的方法从分析黑盒模型和白盒模型的优缺点开始，特别是在网络钓鱼检测方面。该分析的结论将通过使用一组著名算法和公共网络钓鱼数据集进行实验来验证。实验指标包括预测准确率和可解释性指标三项。结论：两种模型在可解释性和一致性方面相当，但在多样化的数据集上仍有改进空间。作为白盒模型的EBM示例通常更适用于需要可解释性和可操作见解的应用场景。最终，每种模型（白盒和黑盒模型）在性能指标和可解释性指标方面都有积极和消极方面。必须考虑模型使用的目标。
引用
@article{arxiv.2412.02084,
title = {Comparative Analysis of Black-Box and White-Box Machine Learning Model in Phishing Detection},
author = {Abdullah Fajar and Setiadi Yazid and Indra Budi},
journal= {arXiv preprint arXiv:2412.02084},
year = {2024}
}