En Corea del Sur, la rápida proliferación de teléfonos inteligentes ha llevado a un aumento en los ataques de phishing a través de mensajería asociados con estafas financieras de comunicación electrónica. En respuesta a esto, se han propuesto varios algoritmos de detección de phishing. Sin embargo, la recopilación de datos de phishing en mensajería presenta desafíos debido a las preocupaciones sobre su posible uso en actividades criminales. En consecuencia, un conjunto de datos de phishing coreano puede estar compuesto por datos desbalanceados, donde el número de mensajes generales podría superar al de los mensajes de phishing. Este problema de desbalance de clases y la escasez de datos pueden llevar a problemas de sobreajuste, dificultando la obtención de un alto rendimiento. Para resolver este problema, este artículo propone un método de clasificación de mensajes de phishing utilizando Análisis Discriminante Sesgado sin recurrir a técnicas de aumento de datos. En este artículo, al optimizar los parámetros para el ADS, logramos rendimientos excepcionalmente altos en el experimento de clasificación de mensajes de phishing, con un 95.45% de Recall y un 96.85% en la métrica BA. Además, al compararlo con otros algoritmos, el método propuesto demostró robustez contra el sobreajuste debido al problema de desbalance de clases y exhibió una disparidad mínima en el rendimiento entre los conjuntos de datos de entrenamiento y prueba.