新AI框架通过可解释性提升钓鱼检测能力

研究人员开发了一个新的框架，使用DistilBERT（一种轻量级Transformer模型）来增强对复杂钓鱼邮件的检测能力。该框架采用了对抗性训练技术，以提高其对噪声和扰动的抵抗力，使其比标准模型更健壮。此外，它还集成了LIME、SHAP和Integrated Gradients等可解释AI（XAI）方法，以提供其决策过程的透明解释，旨在建立用户信任。 AI

影响 通过提供更健壮、更透明的AI驱动的钓鱼检测来增强网络安全。

排序理由 该集群包含一篇详细介绍特定应用新AI框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• DistilBERT
• Flan-T5-Small
• Integrated Gradients
• Sajad U P
• SHAP
• Transformer

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →