PEEK：基于大语言模型的钓鱼邮件演化生成与演化模式分析框架
密码学与安全
2025-05-07 v2
摘要
钓鱼邮件仍然是一种普遍的网络威胁，攻击者通过精心设计的欺骗性邮件诱使受害者泄露敏感信息。尽管人工智能（AI），特别是深度学习，已成为防御钓鱼攻击的关键组成部分，但这些方法面临关键限制。公开可用、多样化且及时更新的数据稀缺（主要由于隐私问题），制约了检测的有效性。随着钓鱼策略的快速演变，基于有限、过时数据训练的模型难以检测新的、复杂的欺骗策略，使得系统和人员容易受到日益增多的攻击。我们提出了首个钓鱼邮件演化框架（PEEK），用于在质量和多样性方面增强钓鱼邮件数据集，并分析不断变化的钓鱼模式以帮助检测适应更新的钓鱼攻击。具体而言，我们将大语言模型（LLMs）集成到对抗训练过程中，以提升生成数据集的性能，并在一个循环框架中利用说服原则来促进对不断变化的钓鱼策略的理解。PEEK 将可用钓鱼样本的比例从 21.4% 提高到 84.8%，超越了现有依赖提示和微调 LLMs 的工作。PEEK 提供的具有演化钓鱼模式的数据集，在提高检测鲁棒性方面优于其他两个可用的 LLM 生成的钓鱼邮件数据集。PEEK 钓鱼邮件将检测器的准确率提升至 88% 以上，并将对抗敏感性降低高达 70%，同时仍能保持 70% 的对抗攻击检测准确率。
引用
@article{arxiv.2411.11389,
title = {PEEK: Phishing Evolution Framework for Phishing Generation and Evolving Pattern Analysis using Large Language Models},
author = {Fengchao Chen and Tingmin Wu and Van Nguyen and Shuo Wang and Alsharif Abuadbba and Carsten Rudolph},
journal= {arXiv preprint arXiv:2411.11389},
year = {2025}
}