ディープラーニングに基づくリアルタイムフィッシングメール検出

フィッシングメールは敏感な情報を侵害するためにソーシャルエンジニアリングを利用し、主要なサイバーセキュリティの脅威のままです。本研究は、コンボリューショナルニューラルネットワーク（CNN）と長短期記憶ネットワーク（LSTM）を組み合わせたハイブリッドディープラーニングフレームワークを提案し、リアルタイムのフィッシングメール検出を実現します。このモデルは、メールコンテンツ内の逐次的な依存関係を捉えながら、識別的なテキストおよび構造的特徴を自動的に抽出します。制御されたデータセットと複雑なデータセットという二つのシナリオでの実験評価により、提案されたモデルは従来の分類器と比較して優れた性能を示し、高精度と再現率、F1スコアを持って98.5%の精度を達成しました。結果は、多様なメール構造に対する堅牢な性能を示しており、運用配備における実際の適用可能性を強調しています。本研究は、動的な環境における自動化されたメールセキュリティシステムの進展に貢献します。