MultiPhishGuard: An Explainable and Adaptive Multi-Agent LLM System for Phishing Email Detection
MultiPhishGuard 是一个可解释的自适应多智能体大语言模型框架，它利用具有动态加权协调和对抗性训练的专业智能体，实现了卓越的钓鱼邮件检测性能，在提供人类可读解释的同时达到了 97.89% 的准确率。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你是繁忙办公楼前门的保安。你的工作是阻止骗子（网络钓鱼者）偷偷溜进来，但同时也要让真正的员工（合法邮件）毫无阻碍地通过。
长期以来，保安们使用的是简单的“黑名单”或规则手册：“如果名字听起来像假的，就拦住他们。”但骗子就像大师级魔术师；他们变换伪装、声音和把戏的速度太快，以至于旧规则手册变得毫无用处。
现在，MultiPhishGuard 登场了。不要把它想象成一名单独的保安，而应视为一个由非常聪明、适应性强的主管领导的专业安保团队协同工作。
专家团队
不是由一个人试图包揽所有工作，MultiPhishGuard 将任务分配给五位截然不同的专家，每位专家负责检查“包裹”（即邮件）的不同部分：
- 文本侦探：该代理阅读邮件的正文内容。它寻找奇怪的语言、紧急威胁或可疑词汇，忽略其他所有内容。
- 链接检查员：该代理只查看邮件内部的 URL（网页链接）。它检查链接是否隐藏了不良目的地，或是否伪装成受信任的网站。
- 邮件头取证专家：该代理检查邮件的“信封”（元数据）。它检查发件人地址、数字签名和路由历史，以查看邮件是否被伪造。
- 对抗训练师（“红队”）：这是一个独特的代理，扮演练习对手的角色。它试图制造那些看起来几乎以假乱真的棘手虚假邮件，以此来测试团队。这就像一位陪练，试图朝你脸上出拳，以便你学会更好地闪避。
- 翻译官（解释简化器）：前三位代理使用复杂的技术术语进行汇报。该代理将他们的发现转化为普通人能理解的简单英语（例如，“这是一封诈骗邮件，因为发件人地址与公司名称不匹配”，而不是"SPF 记录不匹配”）。
智能主管（“大脑”）
团队如何决定听谁的？过去，安全系统可能会给予每个人同等的权重。但 MultiPhishGuard 使用了一个由名为 PPO（近端策略优化）的学习算法驱动的智能主管。
把这位主管想象成一位实时观看比赛的教练。
- 如果邮件包含可疑链接，主管会说：“仔细听链接检查员的意见！”
- 如果邮件内容看起来很奇怪但链接是干净的，主管会说：“重点关注文本侦探。”
- 如果发件人信息可疑，主管会提升邮件头取证专家的权重。
主管从它看到的每一封邮件中学习，不断调整谁拥有最大的话语权，以做出最佳决策。
训练场
为了确保这支团队能应对任何情况，他们不仅仅研究旧案例。他们拥有一个训练循环，其中“对抗训练师”会制造旨在欺骗系统的新式棘手骗局。团队尝试拦截这些骗局，如果漏掉了一个，主管就会从错误中学习。这就像一场消防演习，烟雾是专门生成以测试警报是否有效的。
结果
该论文将这支团队与六个不同的真实世界邮件集合（有些来自旧档案，有些非常新）进行了测试。以下是它们与其他方法相比的表现：
- 准确率：团队拦截了 97.89% 的骗局。
- 误报：它们仅将真实邮件标记为骗局的频率为 2.73%（这远低于其他经常惊慌失措并拦截真实邮件的方法）。
- 漏报：它们仅漏掉了 0.20% 的实际骗局。
与其他“智能”系统（例如试图独自完成所有工作的单一 AI，或仅逐步列出其思考过程的系统）相比，MultiPhishGuard 在避免误报的同时，仍然能更好地抓住坏人。
为何这很重要
最大的胜利不仅仅是数字；而是解释。
- 旧系统可能会说：“拦截此邮件。”（而你完全不知道原因）。
- MultiPhishGuard 会说：“我们拦截此邮件是因为链接指向可疑网站，且发件人名称与域名不匹配。”
该论文得出结论，通过使用专家团队、一个实时学习的智能主管以及一个制造高难度练习场景的训练师，我们可以构建一个不仅更强大，而且更易于人类信任和理解的安保系统。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。