人工智能在网络鱼检测:一个文献计量审查
Daniela Popescul1, Laura Diana Radu1
1Department of Accounting, Business Information Systems and Statistics, Faculty of Economics and Business Administration, "Alexandru Ioan Cuza" University, Iași, Romania.
Frontiers in artificial intelligence
|November 10, 2025
概括
人工智能 (AI) 和机器学习 (ML) 对于检测网络鱼攻击至关重要. 最近的进展表明,人们正在转向深度学习 (DL) 和混合模型,以加强网络鱼检测.
科学领域:
- 网络安全 网络安全
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 网络鱼攻击通过社交工程利用用户的漏洞来窃取敏感数据.
- 有效的反鱼解决方案对于检测伪造的URL,假冒网站和欺骗性信息至关重要.
- 人工智能 (AI),特别是机器学习 (ML),已成为网络鱼检测的关键技术.
研究的目的:
- 在网络鱼检测中对AI进行全面的文献分析.
- 通过专注于人工智能在这个领域的作用和演变来补充现有的调查.
- 识别出版趋势,有影响力的作品和关键研究主题.
主要方法:
- 在Web of Science (WoS) 数据库上进行了系统的文献搜索.
- 分析了1096份与AI,ML,深度学习 (DL) 或自然语言处理 (NLP) 相关的文件.
- 图书馆和VOSviewer软件被用于图书识别和可视化分析.
主要成果:
- 出版趋势显示,自2016年以来,用于网络鱼检测的AI显著增长,并将在2024年激增.
- 关键主题包括特征提取,ML算法和作者协作模式.
- 主题分析揭示了研究领域内的驱动,利基,新兴和下降的主题.
结论:
- 该领域已经从经典的ML发展到DL,强调特征工程和混合模型.
- 在最近的研究中,深度学习和分类器堆叠的趋势越来越大.
- 人工智能,特别是ML和DL,仍然是推进反鱼战略的核心.
