Large Language Models Meet Multimodal Knowledge Graphs for Enhancing Reference-Based Phishing

本文是LLM系列文章，针对《KnowPhish: Large Language Models Meet Multimodal Knowledge Graphs for Enhancing Reference-Based Phishing Detection》的翻译。

摘要

网络钓鱼攻击给个人和企业带来了巨大损失，因此需要开发强大高效的自动网络钓鱼检测方法。基于参考的网络钓鱼检测器（RBPD）将目标网页上的徽标与已知的徽标集进行比较，已成为最先进的方法。然而，现有RBPD的一个主要局限性是，它们依赖于手动构建的品牌知识库，使其无法扩展到大量品牌，这导致了由于知识库的品牌覆盖率不足而导致的假阴性错误。为了解决这个问题，我们提出了一个自动化的知识收集管道，利用它我们收集了一个大规模的多模态品牌知识库KnowPhish，其中包含2万个品牌，每个品牌都有丰富的信息。KnowPhish可以用于以即插即用的方式提高现有RBPD的性能。现有RBPD的第二个限制是，它们仅依赖于图像模态，忽略了网页HTML中存在的有用文本信息。为了利用这些文本信息，我们提出了一种基于大型语言模型（LLM）的方法来从文本中提取网页的品牌信息。我们由此产生的多模态网络钓鱼检测方法KnowPhish Detector（KPD）可以检测带有或不带有徽标的网络钓鱼网页。我们在手动验证的数据集上评估了KnowPhish和KPD，并在新加坡当地背景下进行了实地研究，显示与最先进的基线相比，其有效性和效率有了显著提高。

1 引言

2 激励性示例

3 形式化