Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Một mô hình dựa trên bộ biến đổi có thể giải thích được để phát hiện email lừa đảo: Phương pháp tiếp cận mô hình ngôn ngữ lớn

Created by
  • Haebom

Tác giả

Mohammad Amaz Uddin, Md Mahiuddin, Iqbal H. Sarker

Phác thảo

Bài báo này trình bày kết quả của một nghiên cứu nhằm tối ưu hóa và tinh chỉnh mô hình DistilBERT dựa trên Transformer để cải thiện hiệu suất phát hiện email lừa đảo nhằm ứng phó với mối đe dọa ngày càng gia tăng của email lừa đảo. Chúng tôi sử dụng các kỹ thuật tiền xử lý để giải quyết vấn đề mất cân bằng dữ liệu và chứng minh bằng thực nghiệm độ chính xác cao. Hơn nữa, chúng tôi đảm bảo tính minh bạch bằng cách làm cho quá trình dự đoán của mô hình có thể giải thích được thông qua các kỹ thuật XAI như LIME và Transformer Interpret.

Takeaways, Limitations

•
Takeaways:
◦
Chúng tôi trình bày khả năng xây dựng một hệ thống phát hiện email lừa đảo hiệu quả bằng cách sử dụng mô hình DistilBERT dựa trên Transformer.
◦
Đề Xuất một kỹ thuật tiền xử lý hiệu quả cho vấn đề tập dữ liệu mất cân bằng.
◦
Độ Tin cậy được cải thiện bằng cách giải thích quá trình dự đoán của mô hình thông qua các kỹ thuật XAI.
◦
Chứng minh tính ứng dụng của các hệ thống thực tế bằng cách đạt được độ chính xác cao.
•
Limitations:
◦
Thiếu mô tả chi tiết về đặc điểm của tập dữ liệu được sử dụng.
◦
Thiếu phân tích so sánh với các kỹ thuật phát hiện lừa đảo hiện đại khác.
◦
Thiếu thảo luận về những hạn chế của việc giải thích và tính chủ quan trong việc diễn giải thông qua các kỹ thuật XAI.
◦
Thiếu cân nhắc đến các vấn đề tiềm ẩn và giải pháp có thể phát sinh khi áp dụng hệ thống vào môi trường thực tế.
👍
Made with Slashpage