← 最新论文
💻 计算机科学

Short Message Service (SMS) Phishing Attacks and Defenses: A Comprehensive Review

本文对短信钓鱼(smishing)攻击与防御进行了全面的系统性综述,将现有研究分为用户感知、攻击特征、防御机制和数据集进行分类,旨在为缓解这一快速演变的网络威胁提出新的方向。

原作者: Mir Mehedi A. Pritom, Seyed Mohammad Sanjari, Maraz Mia, Ashfak Md Shi, S M Mostaq Hossain, Muhammad Ismail, Shouhuai Xu

发布于 2026-11-06
📖 1 分钟阅读☕ 轻松阅读

原作者: Mir Mehedi A. Pritom, Seyed Mohammad Sanjari, Maraz Mia, Ashfak Md Shi, S M Mostaq Hossain, Muhammad Ismail, Shouhuai Xu

原始论文采用 CC BY 4.0 许可(https://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

每天,数十亿人随身携带一个可以作为其银行账户、个人照片和最私密对话直接通道的设备。由于我们如此依赖这些设备,犯罪分子已经找到了利用这种信任来对付我们的方法。他们发送看起来像是来自信任的公司、快递服务商甚至朋友的短信。这些信息通常会制造一种恐慌感或紧迫感,告诉接收者其账户已被锁定、包裹正在等待领取,或者中奖了。其目标是诱骗人们点击链接或输入密码。这种特定的欺骗手段被称为短信钓鱼或“Smishing”,已成为一个巨大的全球性问题。仅在美国,这类基于短信的诈骗在最近的一年里就让用户损失了近 6.4 亿美元,这一数字在短短五年内增长了六倍多。情况正变得越来越糟,因为犯罪分子不仅仅是在发送旧有的信息,他们还在使用新的工具,使他们的谎言听起来更加可信且难以识别。

田纳西理工大学和科罗拉多大学科罗拉多斯普林斯分校的研究团队决定退后一步,以了解这一日益增长的威胁的全貌。他们并没有仅仅构建一个用于拦截某种特定坏消息的新工具,而是对所有已知的关于 Smishing 的知识进行了全面的综述。他们收集并分析了数百项科学研究、法律文件和公共数据集,以绘制出一张完整的现象图谱。他们的工作涵盖了四个主要领域:人们如何对这些信息做出反应、攻击是如何构成的、目前存在哪些防御措施,以及研究人员有哪些数据可以用来研究这一问题。通过将所有这些碎片整合在一起,他们希望能够展示目前的努力在哪些方面存在不足,并为每个人提供更好的保护指明方向。

研究人员首先观察了接收这些信息的受众。他们发现,对这些诈骗的易感性并非仅仅是因为粗心或缺乏教育。虽然有些人比其他人更容易落入圈套,但这种风险受到习惯、情绪和环境等复杂因素交织的影响。例如,经常使用社交媒体或银行应用的人可能会觉得与这些服务相关的消息更可信,仅仅是因为它感觉很熟悉。研究还强调,攻击者是人类心理学方面的专家。他们精心设计信息以触发恐惧、贪婪或紧迫感,促使人们在思考之前迅速行动。研究人员指出,尽管一些防御措施侧重于技术细节,但人类因素仍然是最薄弱的环节。即使是了解诈骗的人,如果信息被设计得能精准利用其特定的恐惧或欲望,也会被骗。

谈到攻击本身,研究人员发现其格局已变得极其多样化。在过去,Smishing 信息通常很拙劣,充满了错误的语法和明显的链接。如今,攻击变得更加复杂。它们可能来自看起来完全像合法机构的号码,或者以大规模浪潮的形式发送给随机人群。研究人员识别出这些攻击通常遵循特定的主题,如虚假退税、快递通知或账户安全警报。他们还观察到,犯罪分子开始使用人工智能来编写这些信息,使其听起来非常自然且量身定制。这种演变意味着,依赖简单的黑名单词汇或已知坏链接的旧方法已不再足够。攻击者不断改变策略,以绕过这些过滤器。

为了反击,研究人员检查了当前的防御状态。他们发现,大多数现代解决方案依赖于机器学习,即一种能从大量数据中学习识别模式的计算机程序。这些程序在识别可疑文本方面做得非常好,一些最新的模型准确率甚至超过了 99%。然而,研究人员指出一个显著的问题:许多这些强大的系统都是“黑箱”。它们可以告诉你一条信息是诈骗,但无法轻易解释原因。这种透明度的缺失使得用户难以信任警告,也让监管机构难以理解决策是如何做出的。此外,虽然有很多旨在拦截此类信息的移动应用程序,但其有效性差异很大。有些非常擅长捕捉诈骗,而另一些则会遗漏许多诈骗,或者拦截了过多的无害信息。该研究还调查了法律法规,发现虽然一些国家有针对此类行为的严格规则,但在不同地区之间的执行往往困难且不一致。

研究人员工作的一个重要部分是对科学家们用于训练这些检测系统的数据库集进行了分析。他们发现,许多数据集已经过时或非常有限。例如,一些旧的数据集包含十年前的信息,无法反映当今诈骗者的运作方式。另一些则严重偏向英语,导致在理解其他语言中的攻击方式方面存在空白。研究人员还发现,许多数据集包含指向已不存在网站的链接,这使得研究这些诈骗的实际目的地变得困难。为了解决这个问题,他们创建了一个新的统一数据集,称为“Smishing 数据枢纽”(Smishing Data Hub),该枢纽整理并清理了现有信息,以帮助未来的研究人员构建更好的防御措施。

综述结论认为,虽然技术在进步,但对抗 Smishing 的战斗需要一种更广泛的方法。研究人员建议,未来的努力必须超越仅仅构建更好的过滤器。他们主张对诈骗者使用的心理技巧进行更深入的研究,以便引导用户识别文字背后的情绪操纵。他们还呼吁建立更多样化的数据集,包括多种语言和多种格式(不仅限于文本)的信息。最后,他们强调需要技术公司、执法部门和政策制定者之间进行更好的协作,以创建一个更协调的应对机制。这项研究并不声称解决了问题,但它为科学界如何在日益欺骗性的数字世界中保护用户提供了清晰的路线图。

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。

试用 Digest →