机器学习中网络钓鱼检测模型的时间弹性-研究论文

【文件属性】：
文件名称：机器学习中网络钓鱼检测模型的时间弹性-研究论文
文件大小：575KB
文件格式：PDF
更新时间：2021-06-10 10:24:05
论文研究 尽管使用机器学习对网络钓鱼检测进行了 10 年的研究，模型产生的 F1 分数超过 0.95，但在过去 10 年中，网络钓鱼攻击增加了 277.51%。 在这项工作中，我们根据模型漂移检查网络钓鱼检测模型的效率。 给定一个经过训练的网络钓鱼检测模型，该模型将保持性能多长时间。 由于互联网和随后的网络钓鱼攻击不断变化的性质，检查和检测网络钓鱼检测的模型漂移很重要。 众所周知，网络钓鱼 URL 会间歇性地更改，这会导致模型在一段时间后过时。