Shrewd 的 Llama-Phishsense-1B:SOTA AI 驱动的钓鱼攻击检测
社区文章 发布于 2024 年 10 月 28 日
钓鱼攻击在数字领域日益构成威胁,影响着企业和个人。传统的垃圾邮件过滤器已不足以阻止这些复杂的攻击。这就是 Llama-Phishsense-1B(由 Shrewd 构建)的用武之地。该高级钓鱼防御模型基于 Llama-Guard-3-1B 构建,经过专门微调,可实时检测并阻止钓鱼邮件/内容。
为什么 Llama-Phishsense-1B 是一个出色的钓鱼防护模型
- 实时钓鱼内容检测:Llama-Phishsense-1B 在钓鱼尝试(通过适当的集成)到达您附近时立即识别,并即时将内容分类为“TRUE”(钓鱼)或“FALSE”(安全)。
- 为企业安全优化:该模型专门用于检测针对金融、人力资源和 IT 专业人员等企业部门的钓鱼邮件,是处理敏感数据的企业的理想解决方案。它能够“感知”钓鱼邮件是否具有目标性。
- 轻量、快速且准确:Llama-Phishsense-1B 仅有 10 亿参数,通过 LoRA 适配器优化了速度和效率,提供强大的钓鱼防护,而无需消耗过多的计算资源。
我们的模型已在多个数据集(来自 zefang-liu/phishing-email-dataset
的评估结果和自定义创建的数据集)中证明了其有效性。
指标 | 基础模型 (meta-llama/Llama-Guard-3-1B) | 微调模型 (AcuteShrewdSecurity/Llama-Phishsense-1B) | 性能增益(微调模型对比基础模型) |
---|---|---|---|
准确率 | 0.52 | 0.97 | 0.45 |
精度 | 0.52 | 0.96 | 0.44 |
召回率 | 0.53 | 0.98 | 0.45 |
在验证数据集(其中包括自定义的专家设计的钓鱼案例)上,该模型仍表现出色。
指标 | 基础模型 (meta-llama/Llama-Guard-3-1B) | 微调模型 (AcuteShrewdSecurity/Llama-Phishsense-1B) | 性能增益(微调模型对比基础模型) |
---|---|---|---|
准确率 | 0.31 | 0.98 | 0.67 |
精度 | 0.99 | 1.00 | 0.01 |
召回率 | 0.31 | 0.98 | 0.67 |
Llama-Phishsense-1B 的主要优势
- 个人使用钓鱼防护:个人也可以从 Llama-Phishsense-1B 中受益,在可疑内容造成危害之前进行标记。
- 安全提供商的理想选择:IT 和网络安全专业人员可以将 Llama-Phishsense-1B 整合到他们的解决方案中,为客户提供先进的、由 AI 驱动的钓鱼防护。
使用 Llama-Phishsense-1B 提升您的钓鱼防护能力
使用 Llama-Phishsense-1B 保护您的业务免受钓鱼威胁,这是当今最有效的 AI 驱动的钓鱼检测解决方案。在 Hugging Face 上访问该模型:Llama-Phishsense-1B。