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。