用于精准钓鱼检测的大型多模态智能体：令牌优化与成本降低

随着复杂钓鱼攻击的兴起，对有效且经济的检测解决方案的需求日益增长。本文探讨了使用大型多模态智能体（具体为Gemini 1.5 Flash和GPT-4o mini）通过API分析URL和网页截图，从而避免了训练和维护AI系统的复杂性。我们的研究结果表明，整合这两种数据类型比单独使用任何一种都能显著提高检测性能。然而，API使用会产生按查询次数计费的成本，该成本取决于输入和输出令牌的数量。为解决此问题，我们提出了一种两级智能体方法：首先，一个智能体评估URL，如果结果不确定，则第二个智能体同时评估URL和截图。这种方法不仅保持了稳健的检测性能，而且通过最小化不必要的多输入查询，显著降低了API成本。成本分析显示，采用智能体方法时，GPT-4o mini每100美元可处理的网站数量约为多模态方法的4.2倍（107,440对25,626），而Gemini 1.5 Flash可处理约2.6倍的网站数量（2,232,142对862,068）。这些发现强调了智能体方法相对于多模态方法在经济效益上的显著优势，为旨在利用先进AI进行钓鱼检测同时控制成本的组织提供了可行的解决方案。