ИССЛЕДОВАНИЕ ФИШИНГОВЫХ АТАК, СГЕНЕРИРОВАННЫХ ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ, И МЕТОДОВ ИХ ОБНАРУЖЕНИЯ
Article Sidebar
Main Article Content
Abstract
В статье рассматривается влияние генеративного искусственного интеллекта на развитие фишинговых атак. Показано, что крупные языковые модели повышают качество и масштабируемость phishing-кампаний, снижая порог входа для злоумышленников. Проведен анализ современных исследований и официальных threat-intelligence-отчетов за 2021–2026 гг., посвященных AI-generated phishing и методам его обнаружения. На основе обзора предложена мультимодальная архитектура обнаружения, объединяющая NLP-анализ текстов, проверку идентичности отправителя, URL/HTML-анализ и элементы threat-intelligence. Особое внимание уделено безопасной методологии формирования датасета с использованием синтетических примеров и фиктивных доменов. Экспериментальная часть представлена в виде воспроизводимого лабораторного протокола и сравнительного анализа опубликованных результатов. Полученные выводы показывают перспективность гибридных подходов для обнаружения AIgenerated phishing.
Downloads
Article Details
Section
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
How to Cite
References
F. Heiding et al., “Devising and Detecting Phishing Emails Using Large Language Models,” IEEE Access, 2024.
M. Bethany et al., “Large Language Model Lateral Spear Phishing: A Comparative Study in Large-Scale Organizational Settings,” arXiv, 2024.
F. Heiding et al., “Evaluating Large Language Models’ Capability to Launch Fully Automated Spear Phishing Campaigns,” arXiv, 2024.
M. Weinz et al., “The Impact of Emerging Phishing Threats,” ASIA CCS, 2025.
G. Desolda et al., “APOLLO: A GPT-based Tool to Detect Phishing Emails,” Proc. ACM Hum.-Comput. Interact., 2025.
Y. Li et al., “KnowPhish: Large Language Models Meet Multimodal Knowledge Graphs,” USENIX Security, 2024.
R. Liu et al., “PiMRef: Detecting and Explaining Ever-evolving Spear Phishing Emails,” arXiv, 2025.
R. Meléndez et al., “Comparative Investigation of Transformer Models for Phishing Email Detection,” Electronics, 2024.
M. Ibrahim and R. Elhafiz, “Phishing Email Detection Using BERT and RoBERTa,” Computation, 2026.
H. Jiang et al., “D-PhishNet: URL and HTML Feature Fusion in Phishing Detection,” Computer Networks, 2025.