17、利用机器学习自动检测说服原则

利用机器学习自动检测说服原则

1. 引言

网络钓鱼是一种利用信息系统中人为因素的高利润且有效的诈骗手段。在这类攻击中，攻击者发送的消息旨在激起受害者的紧急、贪婪和好奇等情绪。以往大多数方法聚焦于检测网络钓鱼消息的内容，而非消息的传播方式。识别消息中包含的说服原则是检测网络钓鱼消息传播方式的一种途径。本文将探讨如何确定能提高各说服原则检测率的数据表示和分类器。

2. 数据集创建

2.1 PoP 数据集详情

说服原则在各类通信中都有应用，在网络钓鱼攻击中运用得更为频繁。为创建说服原则数据集（PoP 数据集），选取了 IWSPA - AP 数据集中的所有网络钓鱼邮件，共得到 1113 封确认的网络钓鱼邮件。之后，手动为每个数据样本的说服原则进行标注。为便于标注，安排 3 名裁判依据特定方法检测说服原则，采用“盲法”标注，即裁判彼此不知对方标注结果。标注结束后，3 名裁判的一致率为 94.75%，采用“多数投票”策略分配标签，在 5.25%的情况下由作者分配标签。PoP 数据集包含消息文本以及表示五种说服原则是否存在的五列。具体数据如下表所示：
| 说服原则 | 正样本 | 负样本 | 正样本百分比 |
| — | — | — | — |
| 权威 | 681 | 432 | 61.18 |
| 承诺、诚信与互惠 | 141 | 972 | 12.66 |
| 分散注意力 | 201 | 912 | 18.05 |
| 喜好、相似性与欺骗 | 39 | 1074 | 3.50 |
| 社会证明 | 61 | 1052 | 5.48 |

3. 学习阶段