Novel Interpretable and Robust Web-based AI Platform for Phishing Email Detection

网络钓鱼邮件继续构成重大威胁，导致财务损失和安全漏洞。该研究提出了一个高性能的机器学习模型来进行电子邮件分类，解决了现有研究的局限性，例如依赖专有数据集和缺乏实际应用。利用全面和最大的公共数据集，该模型实现了0.99的f1分数，并设计用于在相关应用程序中部署。此外，该研究还集成了可解释性人工智能（XAI）以增强用户信任。该研究提供了一个实用和高度准确的解决方案，通过为用户提供用于网络钓鱼电子邮件检测的实时基于Web的应用程序，为抵御网络钓鱼攻击做出了贡献。

提高钓鱼邮件检测准确率的问题。

采用高性能机器学习模型并结合可解释的AI技术，实现对钓鱼邮件的实时检测。

使用最大的公共数据集，模型的f1得分达到了0.99，设计了一个可部署的基于Web的实时应用程序，同时还整合了可解释的AI技术以提高用户信任度。

相关研究主要集中在使用机器学习技术进行钓鱼邮件检测方面，如《Phishing Detection using Machine Learning Techniques: A Survey》、《A Machine Learning Approach to Detect Phishing Websites》等。