YOLOv8视觉方法检测钓鱼网站论文发布
热点事件持续更新
YOLOv8视觉方法检测钓鱼网站论文发布
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Basil Sajid Shaikh 在 arXiv 发布论文（arXiv:2609.34015），提出用 YOLOv8 卷积神经网络对整页网站截图进行钓鱼/合法分类，依据布局、logo 位置、配色和登录表单结构，而非页面文本。系统在测试集上达到 92% 分类准确率，单张截图处理约 100 毫秒。 论文称，针对光照、压缩和缩放变化的数据增强使误报率较基线降低 11%，并认为该视觉检测器应与现有 URL 和内容类防御配合使用，而非替代它们。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
基于 YOLOv8 的计算机视觉方法检测钓鱼网站视觉欺诈报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AI基于 YOLOv8 的计算机视觉方法检测钓鱼网站视觉欺诈
一篇 arXiv 论文提出用视觉方法检测钓鱼网站，训练 YOLOv8 卷积神经网络对整页网站截图按布局、logo 位置、配色和登录表单结构进行钓鱼/合法分类，而非依赖页面文本。系统在测试集上达到 92% 分类准确率，单张截图处理约 100 毫秒；针对光照、压缩和缩放变化的数据增强使误报率较基线降低 11%。论文认为该视觉检测器应与现有 URL 和内容类防御配合使用而非替代。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。