该文综述了利用机器学习和深度学习检测网络钓鱼、深度伪造及语音攻击的研究，方法包括人工神经网络、LSTM、DistilBERT和多模型融合，通过特征选择与大数据训练提高检测准确率，并增强对新型攻击的泛化能力。

本文综述大语言模型在网络钓鱼与垃圾邮件检测中的应用。LLM既能生成逼真钓鱼邮件、逃避过滤器，也带来安全与伦理风险。为此，学者提出基于BERT的IPSDM、SecurityLLM、AntiPhishStack等检测模型，结合机器学习与深度学习，准确率达94%至98.96%，为信息系统安全防护提供新思路。