ScamFerret：基于大型语言模型的自动识别诈骗网站
密码学与安全
2025-02-17 v1
摘要
随着运用剽窃心理漏洞的高级诈骗网站数量激增，区分合法网站与诈骗网站变得日益具有挑战性。本文提出 ScamFerret，一种创新的智能体系统，采用大型语言模型（LLM）自动收集和分析给定 URL 的数据，以确定其是否为诈骗网站。不同于需要大规模数据集和特征工程的传统机器学习方法，ScamFerret 利用 LLM 的自然语言理解能力，能够在无需额外训练或微调的情况下准确识别各种语言和类型的诈骗网站。我们的评估表明，ScamFerret 在英语中对四类诈骗网站分类准确率达 0.972，在三种语言的在线购物网站分类准确率达 0.993，尤其在使用 GPT-4 时效果更佳。此外，我们确认 ScamFerret 会根据需要收集和分析外部信息，包括网页内容、DNS 记录和用户评论，为从多角度识别诈骗网站提供依据。这些结果表明，大型语言模型在增强针对高级诈骗网站的网络安全措施方面具有重要潜力。
引用
@article{arxiv.2502.10110,
title = {ScamFerret: Detecting Scam Websites Autonomously with Large Language Models},
author = {Hiroki Nakano and Takashi Koide and Daiki Chiba},
journal= {arXiv preprint arXiv:2502.10110},
year = {2025}
}
备注
Accepted for publication at DIMVA 2025