6、利用自然语言处理检测鱼叉式网络钓鱼

利用自然语言处理检测鱼叉式网络钓鱼

1. 引言

鱼叉式网络钓鱼是一种常见的攻击形式，攻击者通过恶意电子邮件针对特定用户或用户群体。网络钓鱼是一种有害的网络攻击，攻击者借助数字通信渠道发送经过社交工程设计的消息，诱使目标用户采取对其有利的行动。攻击者通常会瞄准系统中最薄弱的环节，而用户往往就是这个薄弱点。研究表明，用户更容易受到伪装成可信来源（如现有联系人、老板或朋友）的钓鱼邮件的影响，其受骗概率是其他标准钓鱼尝试的 4.5 倍。

由于新冠疫情的影响，大多数工作都转移到了线上，日常工作沟通也依赖于电子邮件系统。这为攻击者提供了可乘之机，鱼叉式网络钓鱼攻击日益增多。攻击者通过伪装成高级官员，诱使受害者泄露组织或个人的机密信息。此外，疫情导致许多人失业，员工担心被解雇，这种恐惧心理使他们变得更加尽责，在面对可疑情况时往往不假思索地透露机密信息。

为了解决这些问题，研究人员提出了一个系统，用于分析工作场所电子邮件中的沟通模式，并为每个人建立说话风格档案，以便在有人试图冒充时检测异常。同时，可以采用类似电子邮件过滤系统的方法来减轻钓鱼攻击，为每封电子邮件计算风险得分，当得分超过预设阈值时将其丢弃。但需要谨慎选择阈值，以平衡安全性和可用性。

2. 文献综述

研究发现，尽责性人格特质与用户成为鱼叉式网络钓鱼攻击受害者的可能性最为相关。由于网络钓鱼的脆弱性取决于个人性格而非用户的安全意识，因此很难提前预测钓鱼攻击。采取有针对性的方法可以提高安全有效性。

此外，用户对鱼叉式网络钓鱼邮件的低报告率导致了系统的低效率和反馈机制的失效，这使得人们难以深入了解鱼叉式网络钓鱼的科学原理和安全问题。研究还表明，个性化的邮件开头是导致员工泄露敏感信