Phishsense-1B：基于 AI 的钓鱼检测模型的技术视角
密码学与安全
2025-03-17 v1 机器学习
摘要
在当今的数字环境中，网络钓鱼是一种持续存在的网络安全威胁。本文介绍了 Phishsense-1B，它是 Llama-Guard-3-1B 模型的改进版本，专为钓鱼检测和推理而定制。该改编利用了低秩适应（LoRA）和 GuardReasoner 微调方法。我们概述了基于 LoRA 的微调过程，描述了由钓鱼和良性电子邮件组成的平衡数据集，并强调了相较于原始模型的显著性能提升。我们的研究结果表明，Phishsense-1B 在自定义数据集上达到了 97.5% 的出色准确率，并在具有挑战性的真实世界数据集上保持了 70% 准确率的强劲表现。该性能显著优于未改编模型和基于 BERT 的检测器。此外，我们研究了当前最先进的检测方法，比较了提示工程与微调策略，并探讨了潜在的部署场景。
引用
@article{arxiv.2503.10944,
title = {Phishsense-1B: A Technical Perspective on an AI-Powered Phishing Detection Model},
author = {SE Blake},
journal= {arXiv preprint arXiv:2503.10944},
year = {2025}
}
备注
Phishing Detection Model https://huggingface.co/AcuteShrewdSecurity/Llama-Phishsense-1B