Análise comparativa de técnicas de detecção de phishing usando inteligência artificial

Abstract

O phishing continua sendo uma das ameaças cibernéticas mais prevalentes, explorando a vulnerabilidade humana para obter dados sensíveis. Este trabalho apresenta uma análise comparativa e experimental de técnicas de Inteligência Artificial para a detecção desses ataques, focando na replicação de três arquiteturas distintas: uma rede baseada em Long Short-Term Memory (LSTM) para análise sequencial de texto; uma Deep Neural Network (DNN) otimizada para atributos numéricos; e o modelo híbrido LSD (Logistic Regression, SVM, Decision Tree). O objetivo principal foi avaliar não apenas a acurácia em ambientes controlados, mas a capacidade de generalização dos modelos ao serem expostos a datasets de naturezas diferentes (URLs e E-mails). Os experimentos demonstraram que, enquanto a DNN oferece velocidade superior, a arquitetura LSTM se destaca na detecção contextual de fraudes em textos e o modelo LSD apresenta uma taxa de recall muito boa, sugerindo que a melhor abordagem dependerá do contexto em que está sendo aplicada.