.png){kind=icon}
返回
Improving phishing email detection performance through deep learning with adaptive optimization
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-20668-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
钓鱼邮件攻击正变得越来越复杂，给网络安全带来了沉重负担，需要更先进的检测技术。攻击者通常会制作与可信来源高度相似的邮件，使得用户和传统过滤器难以区分合法邮件和恶意邮件。本文介绍了一种基于山瞪羚优化器（MGO）的新型混合深度学习与优化器架构，用于检测钓鱼邮件。提出了一种混合架构，包括使用来自Transformer的双向编码器表示（BERT）进行上下文嵌入、使用卷积神经网络（CNN）进行特征提取、门控循环单元（GRU）的时序依赖关系，以及用于细化邮件文本中关键特征关注点的多头注意力机制。本文用于钓鱼邮件检测的数据集来自Kaggle网站，包含钓鱼邮件和合法邮件。使用MGO进行超参数优化，得到一个具有良好分类精度的稳健模型。我们的实验表明，与基线模型相比，该模型在增强钓鱼邮件检测方面，准确率、精确率、召回率和F1分数分别提高了96.8%、97.2%、95.4%和96.3%。此外，与最先进的传统方法相比，该模型将误报率降低了2.5%。这些结果表明，基于Transformer的嵌入结合先进的神经网络和优化技术，在缓解钓鱼威胁方面是有效的。
Keyword:
Phishing email detection
Deep learning
Mountain gazelle optimizer
Email security
Machine learning
Optimization
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
引用论文
Novel interpretable and robust web-based AI platform for phishing email detection用于网络钓鱼电子邮件检测的新型可解释且强大的基于web的AI平台
OAAI
OAAI分享收藏分享收藏Phishing Email Detection Using Improved RCNN Model With Multilevel Vectors and Attention Mechanism基于多级向量和注意力机制的改进RCNN钓鱼邮件检测.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏African vultures optimization algorithm: A new nature-inspired metaheuristic algorithm for global optimization problems非洲秃鹰优化算法: 一种新的基于自然启发的全局优化问题的元启发式算法
PREAI
分享收藏
查看更多内容