用于高级拼写错误投机检测的大型语言模型训练

拼写错误投机是一种长期存在的网络安全威胁，通过利用输入URL时的 human 错误来欺骗用户，传播恶意软件并进行网络釣魚攻击。随着域名的普及以及新顶级域名(TLD)的出现，拼写错误投机技术日益复杂，构成对个人、企业及国家网络安全基础设施的重大风险。传统的检测方法主要关注众所周知的模仿模式，难以识别更复杂的攻击。本研究引入一种新方法，利用大型语言模型(LLM)来增强拼写错误投机检测。通过在字符级转换和基于模式的启发式方法上训练 LLM，而非使用域名特定数据，可以发展出一种更具适应性和韧性的检测机制。实验结果表明，经过精细调优后，Phi-4 14B 模型在其他所测试模型中表现最佳，仅需少量训练样本即可实现 98% 的准确率。这项研究凸显了大型语言模型在网络安全应用中的潜力，特别是针对基于域名的欺骗策略，并提供了关于优化威胁检测机器学习策略的见解。