基于大语言模型的网络钓鱼邮件检测
密码学与安全
2025-12-16 v2 信息检索
摘要
网络钓鱼邮件是最常见且全球影响最深远的网络入侵向量之一。随着大语言模型（LLM）应用的日益增长，这些系统正面临不断演变的网络钓鱼邮件威胁，这些威胁利用其基本架构。当前的大语言模型在部署于邮件安全系统之前需要进行大量加固，尤其是针对那些利用架构漏洞进行的协调多向量攻击。本文提出了 LLMPEA（LLM-based Phishing Email Detection Framework），一个基于大语言模型的框架，用于检测多个攻击向量（包括提示注入、文本细化和多语言攻击）中的网络钓鱼邮件攻击。我们评估了三个前沿大语言模型（如 GPT-4o、Claude Sonnet 4 和 Grok-3），并进行了全面的提示设计，以评估其在网络钓鱼邮件攻击中的可行性、鲁棒性和局限性。我们的实证分析表明，大语言模型可以以超过 90% 的准确率检测网络钓鱼邮件，同时我们也指出，基于大语言模型的网络钓鱼邮件检测系统可能会被对抗性攻击、提示注入和多语言攻击所利用。我们的发现为在攻击者结合利用多个漏洞的情况下实施大语言模型基于网络钓鱼检测提供了关键见解。
引用
@article{arxiv.2512.10104,
title = {Phishing Email Detection Using Large Language Models},
author = {Najmul Hasan and Prashanth BusiReddyGari and Haitao Zhao and Yihao Ren and Jinsheng Xu and Shaohu Zhang},
journal= {arXiv preprint arXiv:2512.10104},
year = {2025}
}
备注
7 pages