في ظل تطور التهديدات الإلكترونية، تُعتبر رسائل الصيد الاحتيالية (Phishing Emails) أحد أخطر الأساليب في سلسلة جرائم الإنترنت، حيث تستهدف هذه الرسائل بذكاء حسابات الضحايا الإلكترونية بتكلفة منخفضة. ومع كل هذا التطور، تواجه أدوات الكشف التقليدية صعوبات كبيرة في التصدي لهذا النوع من التهديدات. هنا، يأتي دور نماذج اللغة الضخمة (Large Language Models) التي تُستخدم حاليًا لتطوير أداة جديدة تسمى PiMRef.

تعمل PiMRef على الكشف عن رسائل البريد الاحتيالية المتطورة من خلال استخدام قواعد بيانات للتحقق من الهوية، حيث تعتمد الأداة على مبدأ أن رسائل الاحتيال المُقنعة غالبًا ما تحتوي على "ادعاءات غير قابلة للإثبات" تتناقض مع الحقائق المعروفة. تتضمن آليات العمل للأداة:

1. **تحديد الهوية الشخصية للمرسل**: أول خطوة في العملية، حيث يتم التعرف على هوية المُرسل المُدعى.
2. **التحقق من نطاق البريد الإلكتروني**: من خلال مقارنة نطاق البريد الإلكتروني بقاعدة بيانات معرفية قابلة للتوسيع ديناميكيًا.
3. **استنتاج تعليمات العمل**: تشجيع الضحية المحتملة على التفاعل مع الرسالة.

تظهر PiMRef أداءً ملحوظًا حيث تقلل معدل الإيجابيات الكاذبة إلى 0.81%، بينما تحافظ على نسبة استرداد تتراوح بين 90.7%-93.1% عند اختبارها على المعايير التقليدية مثل Nazario وPhishPot. وعند اختبارها على SpearMail، وهو معيار جديد يتضمن 14,672 رسالة صيد مُنتجة بواسطة نماذج اللغة المستهدفة لـ681 ملفًا عامًا، سجلت PiMRef نسبة استرداد تصل إلى 86.4% دون زيادة في الإيجابيات الكاذبة.

إن CODE الخاص بالأداة متاح للعامة على GitHub، مما يتيح للباحثين والمطورين المساهمة في تعزيز كفاءة الأمن السيبراني في مواجهة التهديدات المتطورة.