Explainable phishing website detection for secure and sustainable cyber infrastructure
未评分
来源：
Nature
关键字：
medical imaging+deep learning
发布时间：
2025-11-26 03:50
摘要：
该研究提出了一种结合SHAP的机器学习模型用于网络钓鱼网站检测，展示了其在准确性和可解释性方面的优势。研究表明，随机森林模型结合SHAP的准确率达到97%，显著优于传统模型，适用于资源有限的环境。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
0.0分+不属于医疗健康、生命科学领域
business_impact
0.0分+无商业影响
scientific_rigor
1.5分+有具体实验数据、临床前试验结果、专利数据等硬性证据
timeliness_innovation
1.5分+突破性技术、首创性成果、重大创新
investment_perspective
0.0分+不属于早期阶段
market_value_relevance
0.0分+非治疗相关或极小众应用
team_institution_background
0.0分+背景不明
technical_barrier_competition
0.0分+无技术壁垒、红海市场
拒绝原因
不属于医疗健康、生命科学领域
真实性检查
否
AI评分总结
该研究提出了一种结合SHAP的机器学习模型用于网络钓鱼网站检测，展示了其在准确性和可解释性方面的优势。研究表明，随机森林模型结合SHAP的准确率达到97%，显著优于传统模型，适用于资源有限的环境。