在欧洲非英语语言的网页上基于机器学习的网络鱼检测
1Department of Telecommunications, Brno University of Technology, Brno, Czech Republic. komosny@vut.cz.
Scientific reports
|October 28, 2025
概括
这项研究提高了对欧洲小语言的机器学习网络鱼检测,达到99%的准确性,并大大减少了本地网页上的错误阳性. 这种新方法提高了服务不足的语言社区的网络安全.
科学领域:
- 网络安全 网络安全
- 机器学习 机器学习
- 自然语言处理自然语言处理.
背景情况:
- 目前的机器学习网络鱼检测对英语有效,但对次要语言缺乏准确性.
- 零日网络鱼攻击构成了重大威胁,需要强大的检测方法.
研究的目的:
- 为了提高小欧洲语言的网页的网络鱼检测准确度.
- 降低在当地语言网站上检测网络鱼企图时的错误阳性率.
主要方法:
- 开发一种基于新语言的网络鱼检测模型.
- 在16个欧洲国家的大约200万个本地网页上测试该模型.
- 使用Shapiro-Wilk和对T测试进行统计验证,以确保稳定性.
主要成果:
- 在12个欧洲国家的本地网页上实现了99%的网络鱼检测准确度.
- 减少了小语言网页的错误阳性率,高达10倍.
- 在各种各样的网页集中展示了统计学上显著和强大的性能.
结论:
- 提出的基于语言的网络鱼检测显著优于对小语言的现有方法.
- 这一进步通过提供更具包容性的保护来增强全球网络安全.
- 公开发布代码和数据可以促进可重复性和进一步的研究.
