论文：思考全局，局部反应——面向 macOS 的实时基于参考的网站网络钓鱼检测

背景。近期网络钓鱼攻击持续破坏传统反网络钓鱼黑名单方法的效果。在设备端反网络钓鱼解决方案日益受到青睐，因为它们能在本地提供更快的网络钓鱼检测。目标。我们旨在通过设备端解决方案，在用户遇到时立即识别网络钓鱼网站，而无需等待网络爬虫扫描完成，从而消除识别和记录网络钓鱼活动的延迟。此外，我们利用操作系统特定的资源和框架，旨在最小化系统性能影响，依赖本地处理以保护用户隐私。方法。我们提出一种网络钓鱼检测解决方案，该方案结合计算机视觉和设备端机器学习模型对网站进行实时分析。我们的参考方法通过布局分析、凭证输入区域检测和品牌冒充标准组合来识别网络钓鱼尝试。结果。我们的案例研究表明，在 web 浏览器需要占单个 CPU 核心 16% 资源、内存不足 84MB 的情况下即可持续进行设备端后台处理，同时保持品牌标志检测准确率达 46.6%（相当于基准），凭证要求页面检测准确率达 98.1%（较基准提高 3.1%），且测试数据集表现良好。结论。我们的结果表明，设备端实时网络钓鱼检测系统有望增强网络安全防御技术，并将网络钓鱼检测范围扩展到类似感兴趣的区域，例如电子邮件客户端和消息窗口。