45、无传统钓鱼线索的钓鱼邮件用户调查方式

无传统钓鱼线索的钓鱼邮件用户调查方式

1. 引言

网络钓鱼仍然是针对个人和组织的普遍威胁之一。当前的教学最佳实践通常提倡基于线索的调查方法。以往的研究主要让参与者面对显示此类指标的钓鱼邮件,以评估不同教育措施的成效。而我们的大规模混合方法研究,向4729名参与者发送了四封没有技术线索的钓鱼邮件,以此来挑战他们的应对行为。这些钓鱼邮件涉及完全虚构的实体,针对从在线教育平台openHPI招募的处于私人生活场景的参与者。

我们提出了一个此前未被明确研究过的问题:人们如何调查没有传统(技术)钓鱼线索的钓鱼邮件?

为了回答这个问题,我们进行了一项混合方法研究,将钓鱼研究的定量结果与研究后调查获得的定性结果相结合。研究共涉及4729名参与者,我们向他们发送了超过14000封钓鱼邮件。同时,我们收集了950名参与者的调查答案,将他们的调查方法映射到“人在环”(HITL)模型上,该模型描述了人们进行钓鱼调查的过程。

我们的研究有三个主要贡献:
- 将大规模真实世界钓鱼研究的调查回复映射到HITL模型,有助于系统化人类钓鱼调查行为。
- 观察到在HITL模型的“期望”和“怀疑”阶段识别(缺失)上下文,能显著降低参与者的链接点击和数据提交率。
- 发现并讨论了使用网络搜索来获取邮件中实体或主题的更多上下文,能显著帮助参与者识别我们的邮件为钓鱼邮件。

2. 背景

网络钓鱼是一种社会工程形式,可以建模为攻击者与受害者之间的交互循环,影响受害者的信任和后续行动。受害者接收并评估钓鱼邮件,点击钓鱼链接访问网页时,会面对攻击者提供的新的、有说服力的信息,他们必须将这些信息置于上下文中,以决定如何行动。

<
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值