Rhetorical Structure Theory-based machine intelligence-driven deceptive phishing attack detection scheme

doi:10.1016/j.jisa.2025.104184

Rhetorical Structure Theory-based machine intelligence-driven deceptive phishing attack detection scheme

2025-08-20

0

PRE

AI

DOI：10.1016/j.jisa.2025.104184

原文链接

原文求助

摘要

En 中文

用户之间最便捷的互动方式是通过电子邮件或消息。然而，日益增多的网络犯罪要求用户谨慎使用电子邮件或消息。当前，最大的风险之一是网络钓鱼（phishing）和短信钓鱼（smishing）。攻击者旨在通过网络钓鱼邮件获取敏感用户数据，包括信用卡信息、密码、用户名及其他敏感数据。这些可能引发严重的经济损失。现有文献中已有大量反钓鱼技术用于识别钓鱼邮件或消息。然而，欺诈者不断开发新技术，使得开发能够阻止钓鱼或短信钓鱼攻击的反钓鱼技术变得困难。本文提出了一种新颖的方法，利用修辞结构理论（RST）验证给定电子邮件或消息文本是否具有欺骗性。已收集并手动标注了一个包含欺骗性和非欺骗性文本的平衡数据集，标注依据包括术语语篇连接词、修辞关系、欺骗可能性标签和句子类型特征。研究工作涉及使用这些特征训练不同的机器学习分类器，以提高欺骗性钓鱼检测任务的准确率。当使用基于RST的语言特征时，所提出的技术在数据集上表现出高准确率。当使用集成分类器而非单一分类器时，可达到最优的分类性能，从而提高准确率。与单一学习器相比，实验结果表明，所提出的技术在准确率、精确率、召回率和F1分数方面均取得了最佳值。

Keyword:

phishing detection

smishing

Rhetorical Structure Theory

machine learning

deception detection

Rhetorical Structure Theory-based machine intelligence-driven deceptive phishing attack detection scheme

摘要

期刊

机构

引用论文