Buchumschlag

In-context learning for the classification of manipulation techniques in phishing emails

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dalmiere, Antony, Auriol, Guillaume, Nicomette, Vincent, Marchand, Pascal
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Measuring Modern Phishing Tactics: A Quantitative Study of Body Obfuscation Prevalence, Co-occurrence, and Filter Impact
von: Dalmiere, Antony, et al.
Veröffentlicht: (2025)

Analysis and prevention of AI-based phishing email attacks
von: Eze, Chibuike Samuel, et al.
Veröffentlicht: (2024)

Per-sender neural network classifiers for email authorship validation
von: Dube, Rohit
Veröffentlicht: (2025)

Web Phishing Net (WPN): A scalable machine learning approach for real-time phishing campaign detection
von: Zia, Muhammad Fahad, et al.
Veröffentlicht: (2025)

Enhance the machine learning algorithm performance in phishing detection with keyword features
von: Yang, Zijiang
Veröffentlicht: (2025)

APOLLO: A GPT-based tool to detect phishing emails and generate explanations that warn users
von: Desolda, Giuseppe, et al.
Veröffentlicht: (2024)

Context manipulation attacks : Web agents are susceptible to corrupted memory
von: Patlan, Atharv Singh, et al.
Veröffentlicht: (2025)

LLM-based event log analysis techniques: A survey
von: Akhtar, Siraaj, et al.
Veröffentlicht: (2025)

Quantifying Frontier LLM Capabilities for Container Sandbox Escape
von: Marchand, Rahul, et al.
Veröffentlicht: (2026)

Differential Privacy Overview and Fundamental Techniques
von: Fioretto, Ferdinando, et al.
Veröffentlicht: (2024)

Machine Learning-Based Detection of DDoS Attacks in VANETs for Emergency Vehicle Communication
von: Muktar, Bappa, et al.
Veröffentlicht: (2025)

Agentic Witnessing: Pragmatic and Scalable TEE-Enabled Privacy-Preserving Auditing
von: Rowstron, Antony
Veröffentlicht: (2026)

Security in LLM-as-a-Judge: A Comprehensive SoK
von: Masoud, Aiman Al, et al.
Veröffentlicht: (2026)

PentestJudge: Judging Agent Behavior Against Operational Requirements
von: Caldwell, Shane, et al.
Veröffentlicht: (2025)

ActDroid: An active learning framework for Android malware detection
von: Muzaffar, Ali, et al.
Veröffentlicht: (2024)

Anomaly detection in network flows using unsupervised online machine learning
von: Miguel-Diez, Alberto, et al.
Veröffentlicht: (2025)

Detection of ransomware attacks using federated learning based on the CNN model
von: Nguyen, Hong-Nhung, et al.
Veröffentlicht: (2024)

Deep learning based intelligent IDS for Large-scale IoT networks
von: Andrade, Isha, et al.
Veröffentlicht: (2026)

Multidomain transformer-based deep learning for early detection of network intrusion
von: Liu, Jinxin, et al.
Veröffentlicht: (2023)

CryptoQA: A Large-scale Question-answering Dataset for AI-assisted Cryptography
von: Elfares, Mayar, et al.
Veröffentlicht: (2025)

Optimized detection of cyber-attacks on IoT networks via hybrid deep learning models
von: Bensaoud, Ahmed, et al.
Veröffentlicht: (2025)

zkDFL: An efficient and privacy-preserving decentralized federated learning with zero-knowledge proof
von: Ahmadi, Mojtaba, et al.
Veröffentlicht: (2023)

Evaluation of Reinforcement Learning for Autonomous Penetration Testing using A3C, Q-learning and DQN
von: Becker, Norman, et al.
Veröffentlicht: (2024)

Interplay of ISMS and AIMS in context of the EU AI Act
von: Pötsch, Jordan
Veröffentlicht: (2024)

iADCPS: Time Series Anomaly Detection for Evolving Cyber-physical Systems via Incremental Meta-learning
von: Tian, Jiyu, et al.
Veröffentlicht: (2025)

A Framework for Formalizing LLM Agent Security
von: Siu, Vincent, et al.
Veröffentlicht: (2026)

Analysis of the vulnerability of machine learning regression models to adversarial attacks using data from 5G wireless networks
von: Legashev, Leonid, et al.
Veröffentlicht: (2025)

SoK: Systematic analysis of adversarial threats against deep learning approaches for autonomous anomaly detection systems in SDN-IoT networks
von: Yasarathna, Tharindu Lakshan, et al.
Veröffentlicht: (2025)

AgentVigil: Generic Black-Box Red-teaming for Indirect Prompt Injection against LLM Agents
von: Wang, Zhun, et al.
Veröffentlicht: (2025)

Universal Vulnerabilities in Large Language Models: Backdoor Attacks for In-context Learning
von: Zhao, Shuai, et al.
Veröffentlicht: (2024)

CyberRAG: An Agentic RAG cyber attack classification and reporting tool
von: Blefari, Francesco, et al.
Veröffentlicht: (2025)

An advanced data fabric architecture leveraging homomorphic encryption and federated learning
von: Rieyan, Sakib Anwar, et al.
Veröffentlicht: (2024)

Impacts of Data Preprocessing and Hyperparameter Optimization on the Performance of Machine Learning Models Applied to Intrusion Detection Systems
von: Lima, Mateus Guimarães, et al.
Veröffentlicht: (2024)

Functional Invariants to Watermark Large Transformers
von: Fernandez, Pierre, et al.
Veröffentlicht: (2023)

Automated Creation of Source Code Variants of a Cryptographic Hash Function Implementation Using Generative Pre-Trained Transformer Models
von: Pelofske, Elijah, et al.
Veröffentlicht: (2024)

BELLS: A Framework Towards Future Proof Benchmarks for the Evaluation of LLM Safeguards
von: Dorn, Diego, et al.
Veröffentlicht: (2024)

Exploring the Privacy-Energy Consumption Tradeoff for Split Federated Learning
von: Lee, Joohyung, et al.
Veröffentlicht: (2023)

Fake detection in imbalance dataset by Semi-supervised learning with GAN
von: Bordbar, Jinus, et al.
Veröffentlicht: (2022)

Sparsity in neural networks can improve their privacy
von: Gonon, Antoine, et al.
Veröffentlicht: (2023)

Cryptanalysis and improvement of multimodal data encryption by machine-learning-based system
von: Tolba, Zakaria
Veröffentlicht: (2024)