大型语言模型的横向钓鱼攻击：在大规模组织环境中的比较研究
原文中文，约300字，阅读约需1分钟。发表于：。使用大型语言模型（LLMs）创建有针对性的横向钓鱼邮件，并评估电子邮件过滤基础设施对此类 LLM 生成的钓鱼尝试的检测能力，提供了关于其有效性的洞见，并确定了潜在的改进领域。根据我们的研究结果，我们提出了基于机器学习的检测技术来检测现有基础设施未能发现的 LLM 生成的钓鱼邮件，F1 分数为 98.96。
使用大型语言模型（LLMs）创建有针对性的横向钓鱼邮件，并评估电子邮件过滤基础设施对此类 LLM 生成的钓鱼尝试的检测能力。提供了关于其有效性的洞见，并确定了潜在的改进领域。根据研究结果，提出了基于机器学习的检测技术来检测未能发现的 LLM 生成的钓鱼邮件，F1 分数为 98.96。
