信息安全研究 ›› 2025, Vol. 11 ›› Issue (E2): 19-.

• 2025“数字经济与网络安全”论文集 • 上一篇    下一篇

基于LLMRAG的可信恶意URL识别方法

李越挺1江魁2
  

  1. 1(深圳大学电子与信息工程学院广东深圳518060)
    2(深圳大学信息中心广东深圳518060)
  • 出版日期:2025-12-27 发布日期:2025-12-27
  • 通讯作者: 李越挺 硕士研究生.主要研究方向为大模型网络安全应用. 2210433006@email.szu.edu.cn
  • 作者简介:李越挺 硕士研究生.主要研究方向为大模型网络安全应用. 2210433006@email.szu.edu.cn 江魁 硕士,高级工程师.主要研究方向为网络安全与网络管理. jiangkui@szu.edu.cn

  • Online:2025-12-27 Published:2025-12-27

摘要: 在互联网时代,恶意URL对个人与组织的财产安全造成了严重威胁.尽管现有研究取得显著成果,但仍存在识别结果可解释性差、可信验证机制缺失的不足.探索大模型在恶意URL识别任务中的能力,构建了系统性方法以解决上述不足,包括提示词工程、解释增强微调与识别结果验证.实验结果表明,基于LLMRAG的可信恶意URL识别方法能够取得98.58%的识别准确率与99.17%的召回率,展现出良好的应用潜力.

关键词: 恶意URL识别, 结果验证, 大模型, 检索增强

中图分类号: