Editorial ilmu komputer
Open AccessOA2026
Nebulon Enterprise Simulated Threats for Phishing Research (NEST-Phish): Dataset Email Phishing Perusahaan Sintetis untuk Penelitian Perilaku dan Machine-Learning
Dataset email phishing perusahaan sintetis dengan email sah dan phishing yang dipasangkan, anotasi isyarat yang dapat diinterpretasikan, dan kategorisasi subjek manusia untuk penelitian perilaku dan machine-learning.
Emily J. Winokur; Lauren S. Treiman; Allen G. Moore; Paul Schutte; Joe Ingram; Danielle N. Sanchez· 2026· DOI 10.48550/arXiv.2609.04474
Masalah inti
Phishing tetap menjadi salah satu ancaman siber yang paling persisten, namun dataset yang dapat dibagikan secara publik untuk mempelajari phishing dalam lingkungan email perusahaan yang realistis masih terbatas. Kelangkaan ini menghambat penelitian yang dapat direproduksi tentang deteksi phishing, kerentanan manusia, dan explainability. Untuk mengatasi kesenjangan ini, penulis memperkenalkan dataset email phishing perusahaan sintetis yang dibangun di sekitar organisasi fiktif, Nebulon. Dataset ini mencakup beragam tema komunikasi tempat kerja dan mencakup email sah dan phishing sintetis yang dipasangkan dengan anotasi isyarat phishing yang dapat diinterpretasikan. Di sini, ``sah'' menunjukkan kelas non-phishing, bukan email organisasi yang benar-benar terjadi. Dataset ini dirancang untuk mendukung pekerjaan di masa depan tentang deteksi phishing, kerentanan manusia, explainability, dan pengembangan benchmark dalam konteks seperti perusahaan. Penulis menekankan bahwa dataset ini dirilis secara publik untuk memungkinkan penelitian yang dapat direproduksi dan untuk memfasilitasi pengembangan sistem deteksi yang kuat yang dapat beroperasi di lingkungan perusahaan yang realistis.
Inovasi
Kategorisasi subjek manusia menunjukkan bahwa dataset ini mendukung variasi yang berarti dalam penilaian phishing, menunjukkan bahwa email tersebut cukup realistis untuk memunculkan respons yang beragam. Evaluasi classifier menunjukkan bahwa dataset ini memberikan sinyal yang dapat dipelajari untuk deteksi terawasi, dengan model mencapai kinerja di atas kebetulan. Desain yang dipasangkan memungkinkan perbandingan terkontrol antara email sah dan phishing, mengisolasi efek isyarat phishing. Anotasi yang dapat diinterpretasikan memungkinkan analisis explainability, menghubungkan isyarat tertentu dengan hasil deteksi. Keluasan dataset di seluruh tema tempat kerja memastikan cakupan berbagai konteks komunikasi perusahaan. Hasil ini mengonfirmasi bahwa NEST-Phish adalah sumber daya yang berharga untuk mempelajari phishing dalam pengaturan seperti perusahaan. Penulis melaporkan bahwa dataset ini tersedia untuk umum dan dapat digunakan untuk benchmarking algoritma deteksi dan studi perilaku.
Phishing tetap menjadi salah satu ancaman siber yang paling persisten, namun dataset yang dapat dibagikan secara publik untuk mempelajari phishing dalam lingkungan email perusahaan yang realistis masih terbatas. Kelangkaan ini menghambat penelitian yang dapat direproduksi tentang deteksi phishing, kerentanan manusia, dan explainability. Untuk mengatasi kesenjangan ini, penulis memperkenalkan dataset email phishing perusahaan sintetis yang dibangun di sekitar organisasi fiktif, Nebulon. Dataset ini mencakup beragam tema komunikasi tempat kerja dan mencakup email sah dan phishing sintetis yang dipasangkan dengan anotasi isyarat phishing yang dapat diinterpretasikan. Di sini, ``sah'' menunjukkan kelas non-phishing, bukan email organisasi yang benar-benar terjadi. Dataset ini dirancang untuk mendukung pekerjaan di masa depan tentang deteksi phishing, kerentanan manusia, explainability, dan pengembangan benchmark dalam konteks seperti perusahaan. Penulis menekankan bahwa dataset ini dirilis secara publik untuk memungkinkan penelitian yang dapat direproduksi dan untuk memfasilitasi pengembangan sistem deteksi yang kuat yang dapat beroperasi di lingkungan perusahaan yang realistis.
Konstruksi dataset mengikuti pendekatan sistematis untuk menghasilkan email perusahaan sintetis yang meniru komunikasi tempat kerja di dunia nyata. Penulis membuat organisasi fiktif, Nebulon, dan merancang beragam tema komunikasi tempat kerja untuk memastikan keragaman dalam konten email. Untuk setiap tema, mereka menghasilkan pasangan email sah (non-phishing) dan phishing yang dipasangkan, memastikan bahwa email phishing mengandung isyarat phishing yang dapat diinterpretasikan. Isyarat ini dianotasi untuk memfasilitasi penelitian explainability. Dataset ini mencakup kategorisasi subjek manusia, di mana peserta memberi label email sebagai phishing atau sah, memberikan ground truth untuk studi perilaku. Selain itu, penulis melakukan evaluasi classifier untuk menunjukkan bahwa dataset ini memberikan sinyal yang dapat dipelajari untuk deteksi terawasi. Sifat sintetis dataset memastikan bahwa tidak ada data organisasi nyata yang terpapar, mengatasi masalah privasi sambil mempertahankan realisme. Dataset ini dirilis secara publik untuk mendukung penelitian yang dapat direproduksi.
Mengapa penting
Dataset NEST-Phish mengatasi kesenjangan kritis dalam penelitian phishing dengan menyediakan dataset email perusahaan sintetis yang dapat dibagikan secara publik dengan email sah dan phishing yang dipasangkan serta anotasi isyarat yang dapat diinterpretasikan. Desainnya mendukung penelitian perilaku tentang kerentanan manusia dan penelitian machine-learning tentang deteksi dan explainability. Penggunaan organisasi fiktif mengurangi masalah privasi dan etika sambil mempertahankan validitas ekologis. Dimasukkannya kategorisasi subjek manusia dan evaluasi classifier menunjukkan kegunaan dataset untuk benchmarking. Pekerjaan di masa depan dapat memanfaatkan NEST-Phish untuk mengembangkan model deteksi phishing yang lebih kuat, mempelajari dampak isyarat tertentu terhadap kerentanan, dan membuat sistem AI yang dapat dijelaskan untuk keamanan siber. Dataset ini juga memungkinkan penelitian yang dapat direproduksi, karena dirilis secara publik. Batasan meliputi sifat sintetis email, yang mungkin tidak menangkap semua nuansa komunikasi perusahaan nyata, dan potensi overfitting terhadap distribusi sintetis. Meskipun demikian, NEST-Phish merupakan langkah signifikan menuju benchmark standar untuk penelitian phishing perusahaan.
Siapa yang sebaiknya membaca
Praktisi dan peneliti ilmu komputer
Membuka konten member…