机构名称：
¥ 1.0
电子邮件网络钓鱼继续对网络安全构成重大威胁，在全球范围内重大财务损失和数据泄露。本论文提供了针对基于机器学习来检测网络钓鱼电子邮件的机器学习的彻底调查。这项研究的主要目的是利用机器学习技术来提高网络钓鱼检测的准确性和效率。各种算法，例如支持向量机（SVM），决策树，天真的贝叶斯，随机森林和逻辑回归，用于将电子邮件分类为网络钓鱼或合法的。超参数进行了微调，以提高这些算法的准确性，并采用正则化方法来解决过度拟合问题。这些模型的性能评估了我们的指标，例如准确性，精度，回忆和F1-SCOREC。发现的结果表明，具有优化的超级参数的随机森林算法达到了最高的检测准确性，并且表现明显优于传统方法。本研究强调了机器学习在增强电子邮件安全性方面的潜力，并为未来的网络钓鱼检测提供了坚实的框架。结果强调了在机器学习中持续发展以防止不断发展的网络威胁的必要性。
使用机器学习的电子邮件网络钓鱼检测
主要关键词
相关文件推荐
