Un análisis sistemático sobre la detección de correos electrónicos de phishing basada en aprendizaje profundo
Autores: Thakur, Kutub; Ali, Md Liakat; Obaidat, Muath A.; Kamruzzaman, Abu
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un análisis sistemático sobre la detección de correos electrónicos de phishing basada en aprendizaje profundo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Ataques de phishing
Técnicas de aprendizaje profundo
Aprendizaje automático
Métodos de detección
Investigación
Revisión de literatura
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Los ataques de phishing son una preocupación creciente tanto para individuos como para organizaciones, con el potencial de causar daños financieros y de reputación significativos. Los métodos tradicionales para detectar ataques de phishing, como las listas negras y las técnicas basadas en firmas, tienen limitaciones que han llevado al desarrollo de técnicas más avanzadas. En los últimos años, las técnicas de aprendizaje automático y aprendizaje profundo han ganado atención por su potencial para mejorar la precisión en la detección de phishing. Los algoritmos de aprendizaje profundo, como CNNs y LSTMs, están diseñados para aprender de patrones e identificar anomalías en los datos, lo que los hace más efectivos en la detección de intentos sofisticados de phishing. Para desarrollar una comprensión integral del estado actual de la investigación sobre el uso de técnicas de aprendizaje profundo para la detección de phishing, es necesaria una revisión sistemática de la literatura. Esta revisión tiene como objetivo identificar las diversas técnicas de aprendizaje profundo utilizadas para la detección de phishing, su efectividad y áreas para futuras investigaciones. Al sintetizar los hallazgos de estudios relevantes, esta revisión identifica las fortalezas y limitaciones de diferentes enfoques y proporciona información sobre los desafíos que deben abordarse para mejorar la precisión y efectividad de la detección de phishing. Esta revisión tiene como objetivo contribuir al desarrollo de una comprensión coherente y basada en evidencia del uso de técnicas de aprendizaje profundo para la detección de phishing. La revisión identifica vacíos en la literatura e informa el desarrollo de futuras preguntas de investigación y áreas de enfoque. Con la creciente sofisticación de los ataques de phishing, aplicar el aprendizaje profundo en esta área es un campo crítico y en evolución rápida. Esta revisión sistemática de la literatura tiene como objetivo proporcionar información sobre el estado actual de la investigación e identificar áreas para futuras investigaciones para avanzar en el campo de la detección de phishing utilizando el aprendizaje profundo.
Descripción
Los ataques de phishing son una preocupación creciente tanto para individuos como para organizaciones, con el potencial de causar daños financieros y de reputación significativos. Los métodos tradicionales para detectar ataques de phishing, como las listas negras y las técnicas basadas en firmas, tienen limitaciones que han llevado al desarrollo de técnicas más avanzadas. En los últimos años, las técnicas de aprendizaje automático y aprendizaje profundo han ganado atención por su potencial para mejorar la precisión en la detección de phishing. Los algoritmos de aprendizaje profundo, como CNNs y LSTMs, están diseñados para aprender de patrones e identificar anomalías en los datos, lo que los hace más efectivos en la detección de intentos sofisticados de phishing. Para desarrollar una comprensión integral del estado actual de la investigación sobre el uso de técnicas de aprendizaje profundo para la detección de phishing, es necesaria una revisión sistemática de la literatura. Esta revisión tiene como objetivo identificar las diversas técnicas de aprendizaje profundo utilizadas para la detección de phishing, su efectividad y áreas para futuras investigaciones. Al sintetizar los hallazgos de estudios relevantes, esta revisión identifica las fortalezas y limitaciones de diferentes enfoques y proporciona información sobre los desafíos que deben abordarse para mejorar la precisión y efectividad de la detección de phishing. Esta revisión tiene como objetivo contribuir al desarrollo de una comprensión coherente y basada en evidencia del uso de técnicas de aprendizaje profundo para la detección de phishing. La revisión identifica vacíos en la literatura e informa el desarrollo de futuras preguntas de investigación y áreas de enfoque. Con la creciente sofisticación de los ataques de phishing, aplicar el aprendizaje profundo en esta área es un campo crítico y en evolución rápida. Esta revisión sistemática de la literatura tiene como objetivo proporcionar información sobre el estado actual de la investigación e identificar áreas para futuras investigaciones para avanzar en el campo de la detección de phishing utilizando el aprendizaje profundo.