Die Rolle von Machine Learning und Natural Language Processing in der Phishing Detection - eine Analyse KI-gestützter Phishing-Abwehrstrategien unter Berücksichtigung des Human Factors

Abstract

Diese Bachelorarbeit untersucht den Einsatz von Machine-Learning- und Natural-Language-Processing-Verfahren in der automatisierten Phishing-Erkennung. Vor dem Hintergrund einer zunehmenden Professionalisierung von Cyberangriffen mit verstärkter Nutzung generativer Künstlicher Intelligenz wird analysiert, inwiefern KI-gestützte Systeme klassische Schutzmechanismen sowie menschliche Entscheidungsprozesse unterstützen können. Phishing-Angriffe kombinieren technische Täuschung mit gezielter emotionaler Manipulation, wodurch der menschliche Faktor bereits heute einen zentralen Angriffspunkt darstellt. Methodisch verbindet die Arbeit eine Literaturanalyse zu aktuellen Phishing-Strategien, psychologischen Einflussfaktoren als auch KI-basierten Detektionsansätzen mit einer technischen Implementation, die im Rahmen einer qualitativen, vergleichenden Untersuchung ausgewertet wird. Ergänzend wird eine vergleichende Untersuchung durchgeführt, in der menschliche und KI-basierte Bewertungen gegenübergestellt werden. Die Ergebnisse zeigen, dass KI-Systeme bei der Analyse sprachlicher Merkmale von Phishing-E-Mails stärker merkmalsbasiert vorgehen, während menschliche Entscheidungen trotz ausgeprägtem Sicherheitsbewusstsein stärker von psychologischen Einflussfaktoren geprägt sind. Abschließend wird ein hybrider Ansatz diskutiert, bei dem KI-Systeme den Menschen bei der Phishing-Erkennung unterstützen.

This bachelor thesis examines the use of machine learning and natural language processing methods in automated phishing detection. In light of the increasing sophistication of cyber attacks with the enhanced use of generative artificial intelligence, it analyzes the extent to which AI-supported systems can assist classic protection mechanisms as well as human decision-making processes. Phishing attacks combine technical deception with targeted emotional manipulation, making the human factor a key target even today. Methodologically, the work combines a literature analysis of current phishing strategies, psychological influencing factors, and AI-based detection approaches with a technical implementation that is evaluated as part of a qualitative, comparative study. In addition, a comparative study is conducted in which human and AI-based evaluations are compared. The results demonstrate that AI systems take a more feature-based approach when analyzing linguistic characteristics of phishing emails, while human decisions are strongly influenced by psychological factors regardless of a strong security awareness. Finally, a hybrid approach is discussed in which AI systems support humans in phishing detection.