当前，邮件钓鱼攻击已成为黑客组织最有效攻击手段之一，钓鱼主题、恶意附件、恶意URL等特征变化迅速，传统通过安全规则运营的方式已无法有效应对，重要行业单位面临着较大安全威胁。

AI应用架构示意图

为强化钓鱼邮件检出率，快速拥抱AI智能技术带来的优势，我项目组以10万封不同类型钓鱼邮件为训练样本，在1亿参数的基础模型基础上，利用最新的深度学习算法和自然语言处理（NLP）技术，通过多轮次预训练、反复参数调优，构建形成“安全大模型”，从复杂邮件内容中提取关键向量进行建模，解决在传统检测模式下复杂、多变的钓鱼话术导致的误报高、准确率低难题。同时，基于STIX国际标准威胁情报格式实现钓鱼邮件的智能解读与定性分析，自动出具详细且缜密的分析报告，通过对话的形式与云端计算平台进行交互，完成检测日志分析、生成安全日报、下发策略指令等日常运营操作，实现“人人运营、自动盯防”的效果。通过对5万封不同类型钓鱼邮件作为测试样本试验，结合AI不同类型钓鱼邮件为训练样本，在1亿参数的基础模型基础上，利用最新的深度学习算法和自然语言处理（NLP）技术，通过多轮次预训练、反复参数调优，构建形成“安全大模型”，从复杂邮件内容中提取关分析引擎的检测方式识别率高达95%，对比传统检测方式增幅30%。