深度分析 大型語言模型防禦釣魚郵件：LLM‑PEA 框架與三大攻擊向度分析 隨著大型語言模型廣泛應用於郵件安全，研究推出 LLM‑PEA 框架，結合提示注入、文字精緻化與多語言攻擊測試，實驗顯示模型可達 90％以上偵測率，但仍受 10‑40％ 成功率的對抗攻擊影響。此框架在模擬真實郵件流量的類別不平衡情境下測試，證實多向攻擊會顯著削弱模型表現。研究者建議在部署前加強模型硬化與多語言防護。
