PhishIntentionLLM：通过多智能体检索增强生成揭示钓鱼网站意图
密码学与安全
2025-07-22 v1
摘要
钓鱼网站仍然是一个主要的网络安全威胁，然而现有方法主要关注检测，而对潜在恶意意图的识别在很大程度上仍未探索。为填补这一空白，我们提出了PhishIntentionLLM，一个多智能体检索增强生成框架，用于从网站截图中揭示钓鱼意图。利用大型语言模型的视觉-语言能力，我们的框架识别了四种关键的钓鱼目标：凭证窃取、金融欺诈、恶意软件分发和个人信息收集。我们构建并发布了第一个钓鱼意图真实数据集（约2000个样本），并使用四种商业大型语言模型评估了该框架。实验结果表明，PhishIntentionLLM在使用GPT-4o时达到了0.7895的微平均精确率，并且相比单智能体基线，微平均精确率提升了约95%。与先前工作相比，它在凭证窃取上达到了0.8545的精确率，提升了约4%。此外，我们生成了一个约9000个样本的更大数据集，用于跨部门的规模化钓鱼意图分析。这项工作为意图感知的钓鱼分析提供了一种可扩展且可解释的解决方案。
引用
@article{arxiv.2507.15419,
title = {PhishIntentionLLM: Uncovering Phishing Website Intentions through Multi-Agent Retrieval-Augmented Generation},
author = {Wenhao Li and Selvakumar Manickam and Yung-wey Chong and Shankar Karuppayah},
journal= {arXiv preprint arXiv:2507.15419},
year = {2025}
}
备注
Accepted by EAI ICDF2C 2025