# Wykrywanie phishingu EN: **Phishing detection** · id `phishingdetect` · aliases: phishing email detection, malicious URL detection, anti-phishing ML, wykrywanie wyłudzeń, spear-phishing detection Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [AI w cyberbezpieczeństwie](https://aiatlasgraph.com/t/cyberai.md) › [Wykrywanie zagrożeń i włamań](https://aiatlasgraph.com/t/threatdetection.md) › Wykrywanie phishingu ## Description - PL: Klasyfikacja wiadomości, adresów URL i stron jako prób wyłudzenia na podstawie treści, zapisu adresu oraz podobieństwa wizualnego do prawdziwych marek. - EN: Classifying messages, URLs and webpages as phishing from their content, URL representation and visual similarity to legitimate brands. ## In one sentence - PL: Filtry, które rozpoznają fałszywe maile, esemesy i strony udające bank, kuriera lub szefa, zanim wyłudzą hasło albo pieniądze. - EN: Filters that recognise fake emails, texts and pages posing as a bank, courier or boss before they trick you out of a password or money. ## Problem it solves - PL: Fałszywe wiadomości są coraz lepiej napisane i spersonalizowane, a wystarczy jedno kliknięcie zmęczonego pracownika, by atakujący wszedł do firmy. - EN: Fake messages are ever better written and personalised, and one click by a tired employee lets the attacker into the company. ## What it does - PL: Jak doświadczony listonosz, który zna charakter pisma twojego banku i od razu odkłada list z podrobionym nadrukiem. - EN: Like a seasoned postman who knows your bank's handwriting and sets aside a letter with a forged letterhead at once. ## Everyday example - PL: Dostajesz esemes o „niedopłacie za przesyłkę” z linkiem; przeglądarka ostrzega, że strona udaje kuriera i została założona wczoraj. - EN: You get a text about an 'unpaid parcel fee' with a link; the browser warns the page imitates a courier and was set up yesterday. ## This concerns you if you… - PL: dostajesz podejrzane maile lub esemesy - PL: zarządzasz pocztą w firmie - PL: szkolisz ludzi z bezpieczeństwa - EN: get suspicious emails or texts - EN: manage email at a company - EN: train people in security awareness ## Keywords phishing email classification · malicious URL detection · visual similarity · brand impersonation · BEC · TF-IDF · LLM-generated phishing · smishing ## How it works - PL: Detektory wiadomości analizują tekst i intencję prośby, modele adresów URL uczą się reprezentacji znaków i słów bez ręcznego projektowania wszystkich cech, a systemy wizualne porównują logo i wygląd strony z prawdziwymi markami. Modele językowe mogą oceniać treść wiadomości, lecz są droższe w użyciu na dużą skalę niż klasyczne klasyfikatory. - EN: Message detectors analyse text and request intent, URL models learn character- and word-level representations without hand-engineering every feature, and visual systems compare page logos and appearance with legitimate brands. Language models can assess message content but cost more at scale than classic classifiers. ## Limits - PL: Atakujący używają modeli językowych do przepisywania wiadomości, co wyraźnie obniża skuteczność detektorów, zwłaszcza klasycznych. Zbiory treningowe są statyczne i starzeją się. Fałszywy alarm na ważnym mailu od klienta bywa kosztowny. - EN: Attackers use language models to rephrase messages, which markedly degrades detectors, especially classic ones. Training datasets are static and go stale. A false alarm on an important customer email can be costly. ## Key terms - PL: **spear phishing**: Wyłudzenie skrojone pod konkretną osobę, z jej imieniem i kontekstem pracy. - PL: **typosquatting**: Rejestrowanie domen różniących się literą od prawdziwych. - PL: **BEC**: Oszustwo na fałszywego szefa lub kontrahenta, wyłudzające przelew. - EN: **spear phishing**: Phishing tailored to one person, with their name and work context. - EN: **typosquatting**: Registering domains one letter off from real ones. - EN: **BEC**: Fake boss or supplier fraud that tricks someone into a transfer. ## Know first - [Klasyfikacja tekstu i analiza sentymentu (Text classification and sentiment analysis)](https://aiatlasgraph.com/t/textclassification.md) - [Metryki klasyfikacji i regresji (Classification and regression metrics)](https://aiatlasgraph.com/t/classmetrics.md) ## Related topics Untyped, symmetric "see also" links. - [Ataki prowadzone z pomocą AI (AI-enabled and AI-orchestrated cyberattacks)](https://aiatlasgraph.com/t/aiattacks.md) - [Wykrywanie oszustw płatniczych (Payment fraud detection)](https://aiatlasgraph.com/t/frauddetection.md) ## Sources - [Phishing Detection in the Gen-AI Era: Quantized LLMs vs Classical Models]() `thapa-phishing-llm-vs-classical-2025` · by Jikesh Thapa, Gurrehmat Chahal, Şerban Voinea Gabreanu, Yazan Otoum (Algoma University) - [URLNet: Learning a URL Representation with Deep Learning for Malicious URL Detection]() `urlnet-malicious-url-2018` · by Hung Le, Quang Pham, Doyen Sahoo, Steven C. H. Hoi - [Phishpedia: A Hybrid Deep Learning Based Approach to Visually Identify Phishing Webpages]() `lin-phishpedia-2021` · by Yun Lin, Ruofan Liu, Dinil Mon Divakaran, Jun Yang Ng, Qing Zhou Chan, Yiwen Lu, Yuxuan Si, Fan Zhang, Jin Song Dong --- AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/phishingdetect · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30