基于 OSINT 与机器学习的多语言电子邮件钓鱼攻击检测
密码学与安全
2025-01-16 v1
摘要
电子邮件钓鱼仍是一种普遍的网络安全威胁，旨在获取受害者的敏感信息或部署恶意软件。本文探讨了将开源情报（OSINT）工具与机器学习（ML）模型相结合，以提高跨多语言数据集的钓鱼邮件检测准确性。通过使用 Nmap 和 theHarvester，本研究提取了 17 个特征，包括域名、IP 地址和开放端口，以提高检测准确性。分析包括英语和阿拉伯语等多语言电子邮件数据集，以解决目前 ML 模型主要在英语数据上训练的局限性。对五种分类算法进行了实验：决策树、随机森林、支持向量机、XGBoost 和多项式贝叶斯。结果显示，随机森林在英语和阿拉伯语数据集上均达到了最高的性能，准确率达到 97.37%。在 OSINT 增强的数据集上，该模型的准确率优于没有 OSINT 特征的基线模型。这些发现凸显了将 OSINT 工具与先进 ML 模型结合用于更有效地跨不同语言和情境检测钓鱼邮件的潜力。该研究通过引入 OSINT 特征并评估其对多语言数据集的影响，提供了一种用于钓鱼检测的方法，填补了网络安全研究中的关键空白。
引用
@article{arxiv.2501.08723,
title = {Multilingual Email Phishing Attacks Detection using OSINT and Machine Learning},
author = {Panharith An and Rana Shafi and Tionge Mughogho and Onyango Allan Onyango},
journal= {arXiv preprint arXiv:2501.08723},
year = {2025}
}
备注
8 pages