Buchumschlag

Content, Nudges and Incentives: A Study on the Effectiveness and Perception of Embedded Phishing Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lain, Daniele, Jost, Tarek, Matetic, Sinisa, Kostiainen, Kari, Capkun, Srdjan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

URL Inspection Tasks: Helping Users Detect Phishing Links in Emails
von: Lain, Daniele, et al.
Veröffentlicht: (2025)

Gyokuro: Source-assisted Private Membership Testing using Trusted Execution Environments
von: Nakatsuka, Yoshimichi, et al.
Veröffentlicht: (2026)

AEX-NStep: Probabilistic Interrupt Counting Attacks on Intel SGX
von: Dutly, Nicolas, et al.
Veröffentlicht: (2025)

PayOff: A Regulated Central Bank Digital Currency with Private Offline Payments
von: Beer, Carolin, et al.
Veröffentlicht: (2024)

Breaking Bad: How Compilers Break Constant-Time Implementations
von: Schneider, Moritz, et al.
Veröffentlicht: (2024)

Can LLMs Make (Personalized) Access Control Decisions?
von: Groschupp, Friederike, et al.
Veröffentlicht: (2025)

Security Analysis of Time-of-Arrival Estimation via Cross-Correlation under Narrow-Band Conditions
von: Anliker, Claudio, et al.
Veröffentlicht: (2026)

5Gone: Uplink Overshadowing Attacks in 5G-SA
von: Erni, Simon, et al.
Veröffentlicht: (2026)

Aster: Fixing the Android TEE Ecosystem with Arm CCA
von: Kuhne, Mark, et al.
Veröffentlicht: (2024)

Finding Phones Fast: Low-Latency and Scalable Monitoring of Cellular Communications in Sensitive Areas
von: Kotuliak, Martin, et al.
Veröffentlicht: (2025)

A Study of Effectiveness of Brand Domain Identification Features for Phishing Detection in 2025
von: Mishra, Rina, et al.
Veröffentlicht: (2025)

Devlore: Device Interrupt Protection for Confidential VMs
von: Bertschi, Andrin, et al.
Veröffentlicht: (2024)

How Can We Effectively Use LLMs for Phishing Detection?: Evaluating the Effectiveness of Large Language Model-based Phishing Detection Models
von: Ji, Fujiao, et al.
Veröffentlicht: (2025)

Phishing Codebook: A Structured Framework for the Characterization of Phishing Emails
von: Saka, Tarini, et al.
Veröffentlicht: (2024)

Evaluating the Effectiveness and Robustness of Visual Similarity-based Phishing Detection Models
von: Ji, Fujiao, et al.
Veröffentlicht: (2024)

PhishAgent: A Robust Multimodal Agent for Phishing Webpage Detection
von: Cao, Tri, et al.
Veröffentlicht: (2024)

Bridging the Gap in Phishing Detection: A Comprehensive Phishing Dataset Collector
von: Kulkarni, Aditya, et al.
Veröffentlicht: (2025)

Anti-Phishing Training (Still) Does Not Work: A Large-Scale Reproduction of Phishing Training Inefficacy Grounded in the NIST Phish Scale
von: Rozema, Andrew T., et al.
Veröffentlicht: (2025)

"Are Adversarial Phishing Webpages a Threat in Reality?" Understanding the Users' Perception of Adversarial Webpages
von: Yuan, Ying, et al.
Veröffentlicht: (2024)

Hooked: A Real-World Study on QR Code Phishing
von: Geisler, Marvin, et al.
Veröffentlicht: (2024)

PhishGuard: A Multi-Layered Ensemble Model for Optimal Phishing Website Detection
von: Ovi, Md Sultanul Islam, et al.
Veröffentlicht: (2024)

PhishIntel: Toward Practical Deployment of Reference-Based Phishing Detection
von: Li, Yuexin, et al.
Veröffentlicht: (2024)

GuardPhish: Securing Open-Source LLMs from Phishing Abuse
von: Mishra, Rina, et al.
Veröffentlicht: (2026)

PhishSSL: Self-Supervised Contrastive Learning for Phishing Website Detection
von: Li, Wenhao, et al.
Veröffentlicht: (2025)

Improving Phishing Resilience with AI-Generated Training: Evidence on Prompting, Personalization, and Duration
von: Greco, Francesco, et al.
Veröffentlicht: (2025)

ChatSpamDetector: Leveraging Large Language Models for Effective Phishing Email Detection
von: Koide, Takashi, et al.
Veröffentlicht: (2024)

PhishingHook: Catching Phishing Ethereum Smart Contracts leveraging EVM Opcodes
von: De Rosa, Pasquale, et al.
Veröffentlicht: (2025)

PhishDebate: An LLM-Based Multi-Agent Framework for Phishing Website Detection
von: Li, Wenhao, et al.
Veröffentlicht: (2025)

PhishLumos: An Adaptive Multi-Agent System for Proactive Phishing Campaign Mitigation
von: Chiba, Daiki, et al.
Veröffentlicht: (2025)

PhishParrot: LLM-Driven Adaptive Crawling to Unveil Cloaked Phishing Sites
von: Nakano, Hiroki, et al.
Veröffentlicht: (2025)

Can Large Language Models Automate Phishing Warning Explanations? A Controlled Experiment on Effectiveness and User Perception
von: Cau, Federico Maria, et al.
Veröffentlicht: (2025)

Phishing Website Detection through Multi-Model Analysis of HTML Content
von: Çolhak, Furkan, et al.
Veröffentlicht: (2024)

EIP-7702 Phishing Attack
von: Qi, Minfeng, et al.
Veröffentlicht: (2025)

Phish-Blitz: Advancing Phishing Detection with Comprehensive Webpage Resource Collection and Visual Integrity Preservation
von: Hriday, Duddu, et al.
Veröffentlicht: (2025)

MemoPhishAgent: Memory-Augmented Multi-Modal LLM Agent for Phishing URL Detection
von: Chen, Xuan, et al.
Veröffentlicht: (2026)

The Impact of Emerging Phishing Threats: Assessing Quishing and LLM-generated Phishing Emails against Organizations
von: Weinz, Marie, et al.
Veröffentlicht: (2025)

PEEK: Phishing Evolution Framework for Phishing Generation and Evolving Pattern Analysis using Large Language Models
von: Chen, Fengchao, et al.
Veröffentlicht: (2024)

PhishIntentionLLM: Uncovering Phishing Website Intentions through Multi-Agent Retrieval-Augmented Generation
von: Li, Wenhao, et al.
Veröffentlicht: (2025)

PhishNet: A Phishing Website Detection Tool using XGBoost
von: Kumar, Prashant, et al.
Veröffentlicht: (2024)

Characterizing the Networks Sending Enterprise Phishing Emails
von: Luo, Elisa, et al.
Veröffentlicht: (2024)