Краткое содержание

arXiv:2511.12085v1 Тип анонса: cross Аннотация: Фишинг и связанные с ним киберугрозы становятся все более разнообразными и технологически сложными. Среди них фишинг по электронной почте остается наиболее распространенной и постоянной угрозой. Эти атаки используют уязвимости человека для распространения вредоносного программного обеспечения или получения несанкционированного доступа к конфиденциальной информации. Модели глубокого обучения (ГО), в частности, модели на основе трансформеров, значительно повысили эффективность борьбы с фишингом благодаря своему контекстному пониманию языка. Однако некоторые недавние угрозы, в частности фишинговые атаки, созданные с помощью искусственного интеллекта (ИИ), снижают общую устойчивость систем обнаружения фишинга. В ответ на это состязательное обучение показало свою перспективность в борьбе с фишинговыми атаками, генерируемыми ИИ. В данном исследовании представлен гибридный подход, который использует DistilBERT, более компактную, быструю и облегченную версию модели-трансформера BERT, для классификации электронной почты. Устойчивость к текстовым состязательным возмущениям усиливается с использованием F