اکسپرس 24
مقاله مدل های زبان بزرگ چند مدلی برای رهگیری و شناسایی صفحه وب فیشینگ

مقاله مدل های زبان بزرگ چند مدلی برای رهگیری و شناسایی صفحه وب فیشینگ

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
 
عنوان مقاله به انگلیسی Multimodal Large Language Models for Phishing Webpage Detection and Identification
عنوان مقاله به فارسی مقاله مدل های زبان بزرگ چند مدلی برای رهگیری و شناسایی صفحه وب فیشینگ
نویسندگان Jehyun Lee, Peiyuan Lim, Bryan Hooi, Dinil Mon Divakaran
فرمت مقاله انگلیسی PDF
زبان مقاله تحویلی
فرمت مقاله ترجمه شده
نحوه تحویل ترجمه
تعداد صفحات 14
دسته بندی موضوعات Cryptography and Security,Artificial Intelligence,رمزنگاری و امنیت , هوش مصنوعی ,
توضیحات Submitted 12 August, 2024; originally announced August 2024. , Comments: To appear in eCrime 2024
توضیحات به فارسی ارائه شده 12 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: برای حضور در ECRIME 2024
قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید. قیمت: 560,000 تومان زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

To address the challenging problem of detecting phishing webpages, researchers have developed numerous solutions, in particular those based on machine learning (ML) algorithms. Among these, brand-based phishing detection that uses models from Computer Vision to detect if a given webpage is imitating a well-known brand has received widespread attention. However, such models are costly and difficult to maintain, as they need to be retrained with labeled dataset that has to be regularly and continuously collected. Besides, they also need to maintain a good reference list of well-known websites and related meta-data for effective performance. In this work, we take steps to study the efficacy of large language models (LLMs), in particular the multimodal LLMs, in detecting phishing webpages. Given that the LLMs are pretrained on a large corpus of data, we aim to make use of their understanding of different aspects of a webpage (logo, theme, favicon, etc.) to identify the brand of a given webpage and compare the identified brand with the domain name in the URL to detect a phishing attack. We propose a two-phase system employing LLMs in both phases: the first phase focuses on brand identification, while the second verifies the domain. We carry out comprehensive evaluations on a newly collected dataset. Our experiments show that the LLM-based system achieves a high detection rate at high precision; importantly, it also provides interpretable evidence for the decisions. Our system also performs significantly better than a state-of-the-art brand-based phishing detection system while demonstrating robustness against two known adversarial attacks.

چکیده به فارسی (ترجمه ماشینی)

برای پرداختن به مشکل چالش برانگیز تشخیص صفحات وب فیشینگ ، محققان راه حل های بی شماری را تهیه کرده اند ، به ویژه مواردی که مبتنی بر الگوریتم های یادگیری ماشین (ML) است.در میان اینها ، تشخیص فیشینگ مبتنی بر برند که از مدل های دید رایانه استفاده می کند تا تشخیص دهد که آیا یک صفحه وب خاص تقلید از یک برند مشهور است ، توجه گسترده ای را به خود جلب کرده است.با این حال ، چنین مدلهایی برای نگهداری پرهزینه و دشوار هستند ، زیرا باید با مجموعه داده های دارای برچسب که باید به طور منظم و به طور مداوم جمع آوری شود ، دوباره آموزش داده شوند.علاوه بر این ، آنها همچنین برای عملکرد مؤثر باید لیست مرجع خوبی از وب سایت های مشهور و متا داده های مرتبط را حفظ کنند.در این کار ، ما برای بررسی اثربخشی مدلهای بزرگ زبان (LLM) ، به ویژه LLMS چند حالته ، در تشخیص صفحات وب فیشینگ اقدام می کنیم.با توجه به اینکه LLM ها بر روی بخش بزرگی از داده ها پیش بینی شده اند ، ما قصد داریم از درک آنها از جنبه های مختلف یک صفحه وب (آرم ، موضوع ، Favicon و غیره) استفاده کنیم تا مارک یک صفحه وب خاص را شناسایی کرده و مارک شناسایی شده را مقایسه کنیم.با نام دامنه در URL برای تشخیص حمله فیشینگ.ما یک سیستم دو فاز را با استفاده از LLM در هر دو مرحله پیشنهاد می کنیم: مرحله اول بر شناسایی برند متمرکز است ، در حالی که دوم دامنه را تأیید می کند.ما ارزیابی های جامع را در یک مجموعه داده تازه جمع آوری شده انجام می دهیم.آزمایشات ما نشان می دهد که سیستم مبتنی بر LLM با دقت بالا به میزان تشخیص بالایی دست می یابد.نکته مهم ، همچنین شواهد قابل تفسیر برای تصمیمات ارائه می دهد.سیستم ما همچنین به طور قابل توجهی بهتر از یک سیستم تشخیص پیشرفته فیشینگ برند در حالی که نشان دهنده استحکام در برابر دو حمله مخالف شناخته شده است ، عملکردی دارد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.