EvoMail：用于自适应垃圾邮件和钓鱼邮件防御的自演化认知代理
机器学习
2025-09-26 v1 密码学与安全
摘要
现代电子邮件垃圾信息和钓鱼攻击已远远超越关键词黑名单或简单启发式方法。对手现在会构建多模态活动方案，将自然语言文本与混淆的 URL、伪造的标题和恶意附件组合，随后在几天内调整策略以规避过滤器。传统的垃圾邮件检测系统依赖静态规则或单一模态模型，难以整合异构信号或持续适应，导致性能迅速恶化。我们提出了 EvoMail，一个用于鲁棒垃圾邮件和钓鱼邮件检测的自演化认知代理框架。EvoMail 首先构建一个统一的异构邮件图谱，融合文本内容、元数据（标题、发件人、域名）以及嵌入资源（URL、附件）。增强了大型语言模型（LLM）的认知图神经网络执行跨源的上下文感知推理，以识别协调性垃圾邮件活动。最关键的是，EvoMail 实施一种对抗自演化循环：“红队”代理生成新型规避策略——例如字符混淆或 AI 生成的钓鱼文本——而“蓝队”检测器从失败中学习，将经验压缩到记忆模块中，并为未来推理重用。大量实验在真实数据集（Enron-Spam、Ling-Spam、SpamAssassin 和 TREC）以及合成对抗变体上进行，表明 EvoMail 在检测准确率、对演化垃圾邮件策略的适应性以及推理痕迹的可解释性方面 consistently 优于最先进的基线方法。这些结果凸显了 EvoMail 作为下一代垃圾邮件和钓鱼威胁防御框架的潜力。
引用
@article{arxiv.2509.21129,
title = {EvoMail: Self-Evolving Cognitive Agents for Adaptive Spam and Phishing Email Defense},
author = {Wei Huang and De-Tian Chu and Lin-Yuan Bai and Wei Kang and Hai-Tao Zhang and Bo Li and Zhi-Mo Han and Jing Ge and Hai-Feng Lin},
journal= {arXiv preprint arXiv:2509.21129},
year = {2025}
}