多模态大型语言模型用于钓鱼网页检测与识别
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了钓鱼网页检测中的关键问题，尤其是针对传统品牌识别方法高成本和维护困难的不足。通过采用多模态大型语言模型（LLMs），论文提出了一种双阶段系统，首先进行品牌识别，然后验证域名，从而有效提高检测率和精确度。实验表明，该系统在多个评估标准上超越了现有的品牌检测系统，并在面对已知攻击时表现出更强的鲁棒性。
本研究比较了大型语言模型（LLMs）和DeBERTa V3模型在文本分类任务中的性能，结果显示DeBERTa方法召回率达到95.17%，提供了有关LLMs有效性和稳定性的见解，并指导未来的研究工作。
