論文の概要: A Gmail-Based Phishing Detection Prototype for Nigerian Fintech Emails Using Sender Checks and BiLSTM Classification

• arxiv url: http://arxiv.org/abs/2609.28305v1
• Date: Wed, 23 Sep 2026 15:51:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.101541
• Title: A Gmail-Based Phishing Detection Prototype for Nigerian Fintech Emails Using Sender Checks and BiLSTM Classification
• Title（参考訳）: 性別チェックとBiLSTM分類を用いたナイジェリアフィンテックメールのGmailによるフィッシング検出プロトタイプ
• Abstract要約: ナイジェリアのプロバイダを偽造するフィッシングメールは、偽りの送信者アドレス、ルックアライクなリンク、そして現地で親しみやすい言語を組み合わせることができる。 本稿では,送信側ドメインとURLチェックを双方向短期メモリ(BiLSTM)分類器に統合するGmailブラウザエクステンションを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Phishing emails that impersonate Nigerian fintech providers can combine deceptive sender addresses, lookalike links, and locally familiar language. This study presents a Gmail browser extension that integrates sender-domain and URL checks with a bidirectional long short-term memory (BiLSTM) classifier. The extension compares visible sender addresses and links with profiles for eight fintech platforms, obtains a phishing probability from a locally hosted Flask service, and displays a legitimate, warning, or phishing verdict when an email is opened. The BiLSTM classifier was evaluated on 8,943 test messages from a cleaned dataset of 59,622 phishing and legitimate emails. The test confusion matrix recorded 4,308 true negatives, no false positives, one false negative, and 4,634 true positives. These counts correspond to 99.99% accuracy, 100.00% precision, 99.98% recall, and 99.99% F1 score. Tokenized sequence analysis identified 5.79% overlap between the training and test sets, which may inflate performance estimates for independent messages. A Gmail demonstration showed the integrated extension producing user-visible verdicts, although the complete system was not evaluated on a labeled test set. The findings establish the feasibility of the implemented prototype while leaving its end-to-end detection performance and generalization to unseen attacks open for further evaluation.
• Abstract（参考訳）: ナイジェリアのフィンテックプロバイダを偽造したフィッシングメールは、偽りの送信者アドレス、ルックアライクなリンク、そして現地でなじみのある言語を組み合わせることができる。 本稿では,送信側ドメインとURLチェックを双方向長短期メモリ(BiLSTM)分類器に統合するGmailブラウザエクステンションを提案する。 この拡張機能は、8つのフィンテックプラットフォーム用のアドレスとリンクを比較し、ローカルにホストされているFraskサービスからフィッシングの確率を取得し、Eメールがオープンされたときに正当性、警告、フィッシングの判定を表示する。 BiLSTM分類器は、59,622個のフィッシングと正当性メールのクリーン化データセットから8,943個のテストメッセージで評価された。 誤差行列は真正4,308点,偽正1点,真正4,634点を記録した。 これらの数値は99.99%の精度、100.00%の精度、99.98%のリコール、99.99%のF1スコアに対応している。 トークン化されたシーケンス分析では、トレーニングとテストセットの間に5.79%のオーバーラップがあることが判明した。 Gmailのデモでは、ユーザ可視の評定を生成する統合拡張が示されたが、完全なシステムはラベル付きテストセットでは評価されなかった。 これらの結果から, エンド・ツー・エンドの検出性能を保ちつつ, さらなる評価のために未確認攻撃を一般化しながら, 実装プロトタイプの実現可能性を確立した。

関連論文リスト

• Detecting GPT-Assisted Writing Using Interpretable Stylometric Features [43.93322492474641]
  本稿では,テキストのみから抽出したテクスチャの解釈可能な特徴の識別能力について検討する。 以上の結果から, 透過的, テキスト固有の特徴は, GPT支援書込みを検出するための測定可能な信号をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2026-09-22T16:44:26Z)
• TeleAntiFraud 2.0: A Refreshable, Profile-Grounded, and Audio-Based Benchmark for Telecom Fraud Detection [55.35119005976305]
  テレコム詐欺スクリプトは急速に進化し、日常的なサービス会話に似たように設計されている。 ベンチマークは、以前に確立されたテストセットを上書きすることなく、新しく観察された詐欺パターンを組み込まなければならない。 本稿では,Mixed-Tree Anti-Fraud Generation Pipelineで構築したTeleAntiFraud 2.0について述べる。
  論文  参考訳（メタデータ） (2026-09-16T14:41:11Z)
• Context-Aware Phishing Email Detection Using Machine Learning and NLP [0.13999481573773068]
  本稿では,機械学習によるフィッシングメール検出システムを提案する。 本システムは,メールコンテンツ全体からコンテキスト特徴を抽出することにより,電子メールを分類する。 このシステムは、FastAPIバックエンドを備えたWebアプリケーションとしてデプロイされ、平均応答時間127msのリアルタイムフィッシング分類を提供する。
  論文  参考訳（メタデータ） (2026-03-28T16:13:48Z)
• User-Centric Phishing Detection: A RAG and LLM-Based Approach [1.0858333811448098]
  本稿では、大規模言語モデルと検索強化生成(RAG)を統合したパーソナライズされたフィッシング検出フレームワークを提案する。 各メッセージに対して、システムは、ユーザの歴史的な正統なメールのコンパクトなセットを検索することで、ユーザ固有のコンテキストを構築する。
  論文  参考訳（メタデータ） (2026-01-29T04:42:18Z)
• CLUE: Non-parametric Verification from Experience via Hidden-State Clustering [64.50919789875233]
  隠れアクティベーションの軌跡内の幾何的に分離可能なシグネチャとして解の正しさが符号化されていることを示す。 ClUE は LLM-as-a-judge ベースラインを一貫して上回り、候補者の再選において近代的な信頼に基づく手法に適合または超えている。
  論文  参考訳（メタデータ） (2025-10-02T02:14:33Z)
• Characterizing Phishing Pages by JavaScript Capabilities [77.64740286751834]
  本論文は,フィッシングページのグループを自動的に識別し,研究者やアナリストを支援することを目的としている。 キット検出の精度は,4,562個のフィッシングURLに展開した548個のキット群に対して97%であった。 UIの対話性と基本的なフィンガープリントは、クラスタの90%と80%に存在する普遍的なテクニックであることが分かりました。
  論文  参考訳（メタデータ） (2025-09-16T15:39:23Z)
• ChatSpamDetector: Leveraging Large Language Models for Effective Phishing Email Detection [2.3999111269325266]
  本研究では,大規模な言語モデル(LLM)を用いてフィッシングメールを検出するシステムChatSpamDetectorを紹介する。 LLM解析に適したプロンプトに電子メールデータを変換することにより、電子メールがフィッシングされているか否かを高精度に判定する。 総合的なフィッシングメールデータセットを用いて評価を行い,複数のLLMおよびベースラインシステムと比較した。
  論文  参考訳（メタデータ） (2024-02-28T06:28:15Z)
• Prompted Contextual Vectors for Spear-Phishing Detection [41.26408609344205]
  スパイアフィッシング攻撃は重大なセキュリティ上の課題を示す。 本稿では,新しい文書ベクトル化手法に基づく検出手法を提案する。 提案手法は, LLM生成したスピアフィッシングメールの識別において, 91%のF1スコアを達成する。
  論文  参考訳（メタデータ） (2024-02-13T09:12:55Z)
• Anomaly Detection in Emails using Machine Learning and Header Information [0.0]
  フィッシングやスパムなどのメールの異常は、大きなセキュリティリスクをもたらす。 メールの異常検出に関する従来の研究は、単一のタイプの異常と、メール本体と被写体の内容の分析に頼っていた。 本研究では,メールヘッダデータセットの特徴抽出と抽出を行い,複数クラスおよび一クラスの異常検出手法を利用した。
  論文  参考訳（メタデータ） (2022-03-19T23:31:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。