研究人员开发新的AI钓鱼邮件检测方法，应对日益复杂网络钓鱼威胁

研究人员正在开发新的AI钓鱼邮件检测方法，以应对日益复杂的网络钓鱼威胁。近年来，随着生成式AI技术的发展，黑客能够利用这些工具创建更加逼真和难以识别的钓鱼邮件，这使得传统的安全软件难以有效拦截。
例如，安全公司Abnormal发布了一份报告，指出黑客利用各种AI模型批量生成钓鱼邮件，并通过脚本群发实施网络诈骗活动。这些邮件通常使用正式的措辞，使得它们更难被传统安全软件识别。为了应对这一挑战，研究人员开发了一种名为GLTR（Giant Language Model Test Room）的AI检测工具，该工具能够精确识别由AI生成的钓鱼邮件。GLTR利用了AI生成邮件中“预测式”调用“特定高概率单词”的特点，即使邮件使用了正式措辞，也能判断哪些部分是由人工智能生成的。

此外，CACTER AI实验室的研究也表明，AI大模型在反钓鱼检测中展现出巨大潜力。这些模型不仅能识别多种类型的钓鱼邮件，还能提取邮件的意图并进行多语言检测。然而，尽管AI技术在邮件安全领域提供了新的防御手段，但其应用仍处于探索阶段，误判率和适应性仍是需要解决的问题。


研究人员正在积极开发和优化AI技术来对抗日益复杂的钓鱼邮件攻击。通过结合深度学习、自然语言处理和机器学习等技术，研究人员希望提高检测精度和减少误报率，从而更好地保护用户免受网络钓鱼攻击的威胁。