PhishParrot：基于LLM驱动的自适应爬虫以揭示隐蔽的网络钓鱼网站
密码学与安全
2025-08-05 v1
摘要
网络钓鱼攻击持续演变，隐蔽技术正成为检测 efforts 的重大挑战。隐蔽技术允许攻击者仅向特定用户显示钓鱼网站，同时向安全爬虫呈现合法页面，从而使传统检测系统失效。本研究提出PhishParrot，一种旨在反对隐蔽技术的爬虫环境优化系统。PhishParrot利用大语言模型（LLM）的上下文分析能力识别潜在的爬虫信息模式，从而构建能够绕过隐蔽机制的优化用户轮廓。系统累积来自多种环境的网络钓鱼站点信息，然后根据从类似案例中提取的信息，调整浏览器设置和网络配置以匹配攻击者针对特定目标用户的条件。21天的评估显示，PhishParrot的检测准确度相对于标准分析系统提升了最高33.8%，产生了91个针对攻击者所针对的不同条件的爬虫环境。我们的发现确认了类似案例提取和LLM基于上下文分析的组合方法对于检测隐蔽网络钓鱼攻击是有效的。
引用
@article{arxiv.2508.02035,
title = {PhishParrot: LLM-Driven Adaptive Crawling to Unveil Cloaked Phishing Sites},
author = {Hiroki Nakano and Takashi Koide and Daiki Chiba},
journal= {arXiv preprint arXiv:2508.02035},
year = {2025}
}
备注
Accepted for publication at IEEE GLOBECOM 2025