کاربرد پردازش زبان طبیعی در تحلیل پیام های مخرب و فیشینگ

شهاب احمدیان1 احسان سلیمانی دهکردی2

چکیده :
گسترش ارتباطات دیجیتال موجب افزایش حملات فیشینگ و پیام‌های مخرب مبتنی بر مهندسی اجتماعی شده است. این حملات با بهره‌گیری از ساختارهای زبانی فریبنده، کاربران را به افشای اطلاعات حساس ترغیب می‌کنند. پژوهش حاضر با رویکردی مروری تحلیلی، کاربرد روش‌های پردازش زبان طبیعی (NLP) در شناسایی این تهدیدات را در بازه زمانی 2007 تا 2026 بررسی می‌کند. نتایج نشان می‌دهد مدل‌های مبتنی بر ترنسفورمر، به‌ ویژه BERT و مشتقات آن، به دلیل توانایی در درک بافت معنایی و روابط بین واژگان، عملکرد بهتری نسبت به روش‌های قاعده‌ محور و آماری دارند. همچنین، ترکیب ویژگی‌های زبانی با داده‌های فرا متنی و استفاده از یادگیری انتقالی، دقت تشخیص را افزایش می‌دهد. با این حال، چالش‌هایی مانند کمبود داده‌های بومی، حملات خصمانه و ظهور پیام‌های تولید شده توسط هوش مصنوعی مولد همچنان پا برجاست. توسعه مدل‌های توضیح‌ پذیر و چند وجهی می‌تواند مسیر آینده پژوهش در امنیت سایبری را تقویت کند.

کلمات کلیدی : پردازش زبان طبیعی فیشینگ مهندسی اجتماعی ترنسفورمر امنیت سایبری


زبان مقاله : فارسی
محور مقاله : هوش مصنوعی
محل انتشار : سومین کنفرانس بین الملل مدیریت،علوم کامپیوتر و هوش مصنوعی
آدرس وب سایت کنفرانس : https://www.icmcai.ir
کد IOI مقاله : ACKE-ACADAK
لینک مستقیم مقاله : https://isnac.ir/ACKE-ACADAK