基于 ML/AI 的邮件威胁检测是怎么工作的，相比规则有什么优势？

Question

Accepted Answer

传统局限 基于签名、IP 信誉和正则的规则对全新钓鱼域名、微调话术与 BEC 社会工程效果差，规则滞后于攻击。 ML 做法 ①自然语言理解识别语义意图（如「紧急转账」「改账号」）；②发信行为/关系图发现异常通信（突兀的新往来、金额异常）；③URL/附件的视觉与结构特征判定恶意；④多信号融合打分。它能抓「没见过的」攻击。 落地 作为网关后置判定层，输出可解释风险分与理由，配合人工抽检与反馈闭环持续提升；注意对抗样本与误报治理，避免一刀切。 参考：Microsoft/Google 反钓鱼 ML 实践、MITRE ATLAS、NIST AI 风险管理框架。