arXiv 新研究：RAG+LLM 个性化钓鱼检测，误报率降 66.7%，F1 达 0.97

为什么 LLM 直接分类会误报高

传统规则与机器学习检测器面对日益精巧的社工邮件力不从心；LLM 虽语义理解强，但作为独立分类器常把合法邮件误判为钓鱼，制造大量误报（false positive），给安全运营带来沉重负担。现有 AI 邮件安全产品多为"通用分类器"，不看个体用户上下文，于是"看起来怪但对某人而言正常"的邮件也会被错杀。

方法：双上下文检索

框架为每封邮件构建用户专属上下文：一方面检索该用户一小批历史合法邮件，另一方面接入网络威胁情报平台获取实时域名/URL 信誉，再用这些证据"条件化"LLM 的决策。核心创新是"双上下文检索"——把用户历史模式与实时情报结合，区分"普遍恶意"与"对特定用户而言异常但合法"的邮件。这恰好对应邮件认证协议（SPF/DKIM/DMARC）解决不了的"内容层"问题。

结果

在公开与机构邮件数据集上评估 Llama4-Scout、DeepSeek-R1、Mistral-Saba、Gemma2 四个开源模型：Llama4-Scout 取得 F1=0.9703；接入 RAG 后误报率从 12% 降至 4%，整体误报减少 66.7%。个性化收益在 17B–70B 参数区间均稳定成立，说明该范式不依赖某一特定大模型。

对邮件安全产品的意义

这套"用户画像 + 实时情报"的范式，指向高精度、低摩擦的下一代邮件安全系统：既不放过真钓鱼，也不打扰正常但"看起来怪"的合法邮件。对自研或国产化邮件安全网关而言，把 RAG 检索层与本地 LLM 推理结合，是信创环境下可落地的方向——既满足数据不出域，又能借个性化降低运维噪音。这也为"AI 邮件"从"生成内容"走向"守护收件箱"提供了工程样本。