基于每个发件人的神经网络分类器的电子邮件作者身份验证

商业电子邮件敲诈和横向网络钓鱼攻击是现代组织最具成本和危害的威胁之一。虽然入站网络钓鱼防御措施有所改善，但大多数组织仍默认信任内部电子邮件，使自己暴露于来自被破坏员工帐户的攻击。本文定义并探索了作者身份验证的问题：验证所声称的发件人是否真正 authoring 给定的电子邮件。作者身份验证是一种轻量级、实时防御措施，通过建模每个发件人的写作风格来补充传统检测方法。此外，本文提出了一套新的基于Enron语料库的数据集，这些数据集模拟了使用人类撰写和大型语言模型生成的电子邮件。本文还评估了两个分类器——朴素贝叶斯模型和字符级卷积神经网络(Char-CNN)——用于作者身份验证任务。我们的实验表明，Char-CNN模型在各种情况下均实现了高准确率和F1分数。最后，我们讨论了部署考虑因素，表明每个发件人的作者身份分类器可用于低开销地集成到现有的商业电子邮件安全系统中。