《Computers》：Spotlight on AI-Based Hybrid Phishing Detection Strategies: A Systematic Review
编辑推荐：
网络钓鱼攻击在过去数十年间持续在全球范围内增长，并仍是多向量网络攻击的主要切入点。由于传统的单一方法检测技术往往难以识别日益复杂的网络钓鱼企图，研究人员日益聚焦于基于人工智能（AI）的混合式检测方法。本系统性综述依据PRISMA 2020声明开展，旨在对这些方
网络钓鱼攻击在过去数十年间持续在全球范围内增长，并仍是多向量网络攻击的主要切入点。由于传统的单一方法检测技术往往难以识别日益复杂的网络钓鱼企图，研究人员日益聚焦于基于人工智能（AI）的混合式检测方法。本系统性综述依据PRISMA 2020声明开展，旨在对这些方法进行聚焦性综合。研究团队在七个学术数据库及一个学术搜索引擎中进行了全面检索。三名评审人员独立筛选记录、提取数据并进行方法学质量评估，分歧通过讨论与共识予以解决。经过多阶段筛选流程，最终纳入18项于2020年1月至2026年6月间发表的同行评审研究。每项研究的方法学质量均采用结构化质量评估清单进行评价。纳入研究以叙述性综合方式进行分析，重点关注混合技术、数据模态、模型架构、评估指标、优势、局限性及未来研究方向。研究结果表明，基于AI的混合式方法在所评估的网络钓鱼场景中普遍取得了较强的基准性能，并展现出更优的鲁棒性。然而，在可解释性、泛化能力、计算复杂度及实时部署方面仍存在局限。综述亦识别出持续存在的挑战，包括准确性与效率之间的权衡、对单模态或基准数据集的依赖、可复现性报告不足以及现实世界验证缺乏。未来研究应优先关注轻量级与公平感知的混合架构、多模态数据集成、持续学习及更强的模型可解释性，以支持在现实环境中实现可靠且可扩展的部署。
论文主体内容总结
1. 引言
网络钓鱼是一种以人为目标的网络犯罪形式，攻击者利用社会工程学与技术欺骗相结合的手段，诱导个人或组织泄露机密信息。随着生成式人工智能（GenAI）尤其是大语言模型（LLMs）的兴起，攻击者能够以更低成本、更快的速度生成高度逼真的网络钓鱼内容，使得检测难度显著增加。以往综述多聚焦于单一学习范式或特定检测模态，而对融合多模型、异构特征空间、多模态信息源及运维组件的混合架构缺乏系统综合。本研究旨在弥补该空白，聚焦AI混合式网络钓鱼检测策略，分析其优势与不足，并展望未来发展方向。
2. 研究方法
本综述严格遵循PRISMA 2020声明开展。纳入标准为2020年1月至2026年6月间发表的同行评审期刊论文、会议论文及书籍章节。混合式网络钓鱼检测被操作化定义为：在同一检测流程中集成至少两个功能不同的检测或表征组件，且各组件共同对特征表征、学习、分类或最终检测决策做出贡献。仅附加可解释性技术、优化算法、类别平衡或数据增强等支持性手段而不构成功能独立集成组件的，不视为混合式方法。研究团队在IEEE Xplore、ScienceDirect、Springer等七个数据库及Google Scholar中进行检索，共获得41307条记录。经去重、初步筛选、标题摘要筛查及全文评估后，最终纳入18项研究。三名评审人员独立进行数据提取与方法学质量评估，采用七项清单对研究目标清晰度、数据集报告充分性、评估方法适当性、基线比较、局限性讨论、可复现性及大规模验证等方面进行评分，平均Cohen's kappa系数为0.82，表明评审人员间具有较强的一致性。
3. 结果与讨论
3.1 研究筛选与质量评估
在纳入的18项研究中，16项（88.9%）被评定为高质量，1项为中等质量，1项为低质量。多数研究明确阐述了研究目标、充分描述了数据集、采用了适当的评估流程并与基线方法进行了比较。然而，可复现性报告和现实世界大规模验证是普遍存在的方法学薄弱环节，部分研究未提供完整源代码、处理后数据集或配置文件，且基于单一基准数据集的评估限制了结果的泛化性。
3.2 混合式反网络钓鱼策略
纳入研究呈现三种主要混合形式：特征级混合、模型级混合及多模态混合。特征级混合将URL词汇特征、HTML内容、DOM结构、电子邮件元数据及语义嵌入等异构特征联合使用。模型级混合通过集成学习、堆叠、超级学习器及并行深度架构组合多个分类器或专用分支，多项研究报告准确率超过99%。多模态混合将文本、视觉、结构、元数据及行为等不同信息模态进行融合，例如通过DistilBERT处理邮件文本、ResNet-18处理网页截图、TF-IDF与逻辑回归处理行为日志，并采用逻辑回归元学习器进行晚期融合。此外，部分研究将混合检测扩展至流水线与生命周期层面，纳入类别平衡、特征优化、对抗增强、可解释性、概念漂移处理、持续学习、公平性审计及人在回路自适应等机制。
3.3 优势与局限性
混合式检测策略在各自实验条件下普遍展现出较强的预测性能，多数模型准确率介于约95%至99.9%之间，部分AUC值超过0.99且假阳性率低于3%。然而，这些性能值因各研究所用数据集、类别分布、特征表征及验证策略不同而不宜直接跨研究比较。计算复杂度是反复出现的关注点，尤其在深度集成、多模态流水线及优化密集型系统中，较高的训练成本、内存需求及推理延迟可能限制实时部署。许多高性能模型仍以URL为中心，可能难以检测基于图像、附件或语音的网络钓鱼攻击。此外，对手工特征、静态数据集或外部信誉服务的依赖可能降低模型在攻击策略演化时的鲁棒性。
3.4 挑战与争议
检测性能与计算效率之间的权衡是核心关注点。复杂集成及多模态流水线虽可提升性能，但增加了部署复杂度。泛化与数据集依赖亦为重要挑战，多数研究依赖基准或精选数据集，可能无法充分代表演化的现实网络钓鱼模式。数据增强与合成样本生成虽可改善类别平衡，但可能引入分布伪影或无法代表真正未见过的攻击。可解释性仍是持续挑战，尽管部分框架整合了SHAP、注意力机制、符号规则或LLM生成的解释，但许多深度混合模型仍主要作为黑箱运行，事后解释未必保证因果可靠性。公平性、隐私保护及持续适应等议题在纳入文献中代表性不足。
3.5 未来方向
未来研究应优先发展轻量级混合架构，通过模型剪枝、量化、模块化晚期融合及高效集成构建降低计算开销。泛化与数据集依赖问题需通过时间验证、跨数据集评估及现实测试加以解决。持续学习与自适应重训练机制可提升对演化攻击的鲁棒性。多模态混合框架应集成URL、HTML、视觉、文本及行为信号，并明确评估数据对齐、计算成本及各模态贡献。可解释性方面，应在特征层与决策层整合可解释AI组件，并评估解释的稳定性、保真度及对安全分析师的实用性。公平感知与隐私保护的混合检测亦为有前景的新兴方向。此外，针对AI及LLM生成或辅助的网络钓鱼内容，需研究能够检测语义复杂、混淆及AI生成内容的混合防御机制。
4. 结论
本系统性综述表明，集成多种特征类型、学习模型、数据模态及运维组件的混合方法普遍取得了较强的检测性能，且往往优于各研究内部评估的单一方法基线。然而，多数研究依赖基准数据集、可复现资源不足且缺乏跨数据集或现实验证。计算复杂度、推理延迟及有限的可解释性进一步制约了实际部署。未来研究应优先关注轻量级可扩展架构、更广泛的多模态集成、持续学习及严格评估，同时加强对可复现性、隐私、公平性、对AI生成网络钓鱼的鲁棒性及可解释决策的关注。
