English(EN) Evaluating and Combating the Impact of Concept Drift on the Performance of Machine Learning-Based Phishing Detection Systems

新研究应对影响机器学习检测的不断变化的钓鱼策略

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-11 04:00

一篇新研究论文探讨了概念漂移如何影响用于检测网络钓鱼邮件的机器学习模型。该研究旨在评估随着网络钓鱼策略的演变，这些系统的性能下降情况，并提出缓解策略。该论文强调了网络钓鱼攻击日益增长的复杂性以及电子邮件垃圾邮件过滤器在保护用户方面发挥的关键作用。 AI

影响应对在不断变化的威胁面前保持有效的基于人工智能的安全系统的挑战。

排序理由关于机器学习用于安全的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Warren Fernando, Nikos Komninos · 2026-06-11 04:00

Evaluating and Combating the Impact of Concept Drift on the Performance of Machine Learning-Based Phishing Detection Systems

arXiv:2606.11471v1 Announce Type: cross Abstract: The expansion of the digital domain has resulted in a substantial increase in digital communication, with email emerging as one of the most prominent channels. The proliferation of email communication is apparent in both professio…