Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Un modelo explicable basado en transformadores para la detección de correos electrónicos de phishing: un enfoque de modelo de lenguaje amplio

Created by
  • Haebom

Autor

Mohammad Amaz Uddin, Md. Mahiuddin, Iqbal H. Sarker

Describir

Este artículo presenta los resultados de un estudio que optimiza y perfecciona el modelo DistilBERT basado en Transformer para mejorar la detección de correos electrónicos de phishing ante la creciente amenaza que representan. Utilizamos técnicas de preprocesamiento para abordar el problema del conjunto de datos desequilibrado y demostramos experimentalmente una alta precisión. Además, garantizamos la transparencia al explicar el proceso de predicción del modelo mediante técnicas XAI como LIME y Transformer Interpret.

Takeaways, Limitations

Takeaways:
Presentamos la posibilidad de construir un sistema efectivo de detección de correo electrónico de phishing utilizando el modelo DistilBERT basado en Transformer.
Proponer una técnica de preprocesamiento eficaz para el problema del conjunto de datos desequilibrados.
Se mejoró la confiabilidad al hacer que el proceso de predicción del modelo sea explicable a través de técnicas XAI.
Demostrar la aplicabilidad de sistemas reales logrando una alta precisión.
Limitations:
Falta de descripción detallada de las características del conjunto de datos utilizado.
Falta de análisis comparativo con otras técnicas modernas de detección de phishing.
Falta de discusión sobre las limitaciones de la explicación y la subjetividad de la interpretación a través de técnicas XAI.
Falta de consideración de los posibles problemas y soluciones que pueden surgir al aplicar el sistema a un entorno real.
👍