{"_formato":{"versao":2,"detalhe":"dados-detalhe.json"},"definicoes":{"relacoes":{"é tipo de":"A é tipo, subclasse ou variante de B. Teste: todo A é um B?","é parte de":"A é componente, dimensão ou etapa de B. Teste: A está DENTRO de B, sem ser um B?","obtém":"A busca obter B da vítima: credenciais, dados, dinheiro, acesso.","imita":"A se passa por B ou copia sua aparência: instituição, marca, domínio, pessoa, comunicação legítima.","explora":"A se aproveita de B para produzir seu efeito: gatilho psicológico, vulnerabilidade humana ou técnica.","visa":"A tem B como alvo: tipo de vítima, grupo, setor ou organização.","usa":"A emprega B como instrumento, canal, dado, característica ou insumo. Teste: B é recurso de que A se serve?","mitiga":"A é contramedida (prática, controle, tecnologia ou política) que previne, detecta ou reduz o dano de B.","mede":"A é indicador, métrica, escala ou teste que QUANTIFICA B.","aplica-se a":"A é método, modelo ou técnica APLICADO a B. Teste: A é a ferramenta e B o objeto ou tarefa?","inibe":"A reduz, bloqueia, limita ou constrange B, sem ser contramedida.","causa":"A PRODUZ ou GERA B; o texto usa verbo causal explícito.","possibilita":"A torna B possível ou é pré-requisito. Teste: sem A, B não ocorre?","prediz":"A é preditor de B: permite antecipar B, como em um modelo preditivo.","influencia":"A afeta B com direção, sem produção nem papel de preditor.","supera":"A tem desempenho superior a B. A é o superior.","contrasta com":"A e B se OPÕEM ou diferem, sem ordem de superioridade.","associa-se a":"Vínculo explícito SEM direção nem diferença: conceitos correlacionados ou examinados conjuntamente.","relaciona-se com":"Conexão presente no texto, mas vaga demais para nomear. Raro."},"aspectos":{"Indefinido":"Não classificável no framework atual","Quantitativo":"Medidas, estatísticas, métricas, magnitudes, frequências, quantidades discretas","Espacial":"Localização, geografia, distribuição territorial, proximidade, distância","Cinemático":"Movimento, fluxo, sequência, mudança temporal, ritmo, ciclos","Físico":"Propriedades materiais, infraestrutura, dispositivos, redes físicas","Biótico":"Saúde, vida, organismos, ecologia, impactos ambientais e biológicos","Sensitivo":"Percepção, emoção, resposta psicológica, atitude","Analítico":"Desenho de pesquisa, análise, método, inferência, distinção, classificação","Formativo":"Planejamento, design, estratégia, inovação, gestão, construção de artefatos","Lingual":"Comunicação, mensagem, discurso, documentação, linguagem, signos","Social":"Redes, comunidade, dinâmicas coletivas, relações","Econômico":"Custos, mercados, finanças, capital, incentivos, ganho financeiro","Estético":"Narrativa, imagem, aparência, reputação, simbolismo, imitação visual","Jurídico":"Lei, regulação, conformidade, direitos, normas formais, governança institucional","Ético":"Responsabilidade moral, equidade, dever, integridade, justiça","Pístico":"Confiança, convicção fundamental, crença, cosmovisão, valores últimos, fé"},"zonas":{"Objetivo":"Intenção, pergunta, hipótese ou referencial teórico adotado pelo estudo atual.","Lacuna":"Ausência, limitação ou problema que motiva o estudo, incluindo agenda de pesquisa futura.","Método":"Como o estudo foi conduzido ou operacionalizado, incluindo dados e configuração experimental.","Resultado":"Observação, métrica ou achado produzido pelo estudo.","Conclusão":"Interpretação, implicação ou contribuição derivada do estudo.","Recomendação":"Ação que alguém deve tomar para prevenir, detectar ou responder ao phishing.","Objeto":"Nomeação, definição ou delimitação do objeto estudado sem outra função predominante.","Contexto Prévio":"Conhecimento anterior ou contexto apresentado como estabelecido."},"confianca":{"Alta":"Segmentação, zona, conceitos, relações e estatutos são diretamente sustentados pelo trecho e não exigem decisão interpretativa relevante.","Média":"A extração é sustentada, mas exige normalização, escolha entre categorias próximas ou alguma inferência semântica moderada.","Baixa":"A evidência textual é fraca, indireta ou permite classificações alternativas igualmente plausíveis."},"estatutos":{"Afirmada":"O texto afirma que a relação existe, como achado do estudo ou fato estabelecido.","Hipotética":"O texto propõe a relação sem afirmá-la: hipótese, expectativa, sugestão ou explicação possível.","Investigada":"O texto pergunta ou examina se a relação existe, sem afirmá-la nem propor resposta.","Negada":"O texto afirma que a relação não existe ou que o efeito não ocorreu.","Inconclusiva":"O texto relata falta de evidência, resultado não significativo, misto ou inconclusivo."},"focos":{"Mecanismo do Ataque":"Como o ataque é construído, disfarçado, direcionado ou escalado: o que imita, o que explora, o que busca obter, como evade defesas.","Vítima":"Por que o ataque funciona com pessoas: suscetibilidade, percepção, comportamento e fatores de risco.","Detecção":"Como identificar phishing de forma automatizada: classificadores, modelos, sistemas e suas avaliações.","Prevenção e Resposta":"O que fazer contra o phishing: conscientização, treinamento, políticas, contramedidas organizacionais, normas e resposta a incidentes.","Ecossistema do Atacante":"A operação do atacante: domínios, hospedagem, kits, campanhas e fluxos financeiros.","Não Especificado":"Nenhuma parte acima descreve o artigo, ou o texto é genérico demais para distinguir."},"tipos":{"Revisão Sistemática":"Revisão com protocolo explícito de busca, seleção e síntese, incluindo SoK e mapeamento sistemático.","Revisão Narrativa":"Revisão ou survey sem protocolo explícito de busca e seleção.","Proposta de Sistema":"Novo artefato computacional (modelo, sistema, framework, arquitetura), avaliado ou não.","Estudo Empírico":"Medição, experimento, benchmark ou análise de dados sobre algo que já existe.","Proposta Conceitual":"Nova taxonomia, ontologia, índice, modelo conceitual ou ensaio teórico, validado empiricamente ou não."},"atores":{"Usuário":"Pessoa que recebe a mensagem ou usa o serviço.","Organização":"Empresa ou instituição que protege seus membros, sistemas ou clientes.","Plataforma ou Provedor":"Provedor de e-mail, rede social, mensageria, hospedagem, registro de domínio ou navegador.","Instituição Financeira":"Banco, fintech, operadora de pagamento ou corretora de criptoativos.","Poder Público":"Legislador, regulador, órgão de governo ou de aplicação da lei.","Desenvolvedor de Sistemas":"Quem projeta ou mantém detectores, filtros e sistemas de defesa."}},"meta":{"gerado_em":"2026-10-07","projeto":"Phishing — Literatura Científica em Texto Integral","artigos":2,"corpus_previsto":23,"cobertura_pct":8.7,"conceitos":277,"relacoes":314,"afirmacoes":278,"repeticoes_removidas":5,"trechos":189,"topicos":135,"autores":3,"distribuicao_area":{"Prevenção e Resposta":1,"Detecção":1},"distribuicao_tipo":{"Proposta Conceitual":1,"Estudo Empírico":1},"distribuicao_ano":{"2025":1,"2026":1},"corpus_por_ano":{"2014":{"total":1,"anotados":0},"2016":{"total":1,"anotados":0},"2017":{"total":1,"anotados":0},"2020":{"total":2,"anotados":0},"2021":{"total":1,"anotados":0},"2022":{"total":1,"anotados":0},"2023":{"total":3,"anotados":0},"2024":{"total":1,"anotados":0},"2025":{"total":4,"anotados":1},"2026":{"total":8,"anotados":1}},"tipos_documentais":{"article":12,"misc":7,"inproceedings":3,"mastersthesis":1},"distribuicao_relacao":{"é tipo de":24,"é parte de":9,"obtém":19,"imita":13,"explora":19,"visa":9,"usa":46,"mitiga":32,"mede":19,"aplica-se a":3,"inibe":16,"causa":12,"possibilita":9,"influencia":28,"supera":3,"contrasta com":11,"associa-se a":6},"distribuicao_estatuto":{"Afirmada":264,"Hipotética":30,"Investigada":9,"Negada":9,"Inconclusiva":2},"distribuicao_aspecto":{"Quantitativo":27,"Cinemático":2,"Físico":12,"Sensitivo":17,"Analítico":49,"Formativo":91,"Lingual":27,"Social":24,"Econômico":8,"Estético":8,"Jurídico":6,"Pístico":6},"aspecto_por_area":{"Prevenção e Resposta":{"Quantitativo":1,"Cinemático":2,"Físico":12,"Sensitivo":17,"Analítico":6,"Formativo":66,"Lingual":22,"Social":24,"Econômico":7,"Estético":8,"Jurídico":4,"Pístico":6},"Detecção":{"Quantitativo":26,"Analítico":44,"Formativo":27,"Lingual":7,"Social":1,"Econômico":1,"Jurídico":2}},"confianca_por_zona":{"Contexto Prévio":{"alta":37,"media":6,"baixa":0,"total":43,"pct_alta":86},"Lacuna":{"alta":6,"media":2,"baixa":0,"total":8,"pct_alta":75},"Objeto":{"alta":55,"media":3,"baixa":0,"total":58,"pct_alta":95},"Conclusão":{"alta":18,"media":3,"baixa":0,"total":21,"pct_alta":86},"Resultado":{"alta":17,"media":1,"baixa":0,"total":18,"pct_alta":94},"Método":{"alta":12,"media":1,"baixa":0,"total":13,"pct_alta":92},"Recomendação":{"alta":16,"media":3,"baixa":0,"total":19,"pct_alta":84},"Objetivo":{"alta":9,"media":0,"baixa":0,"total":9,"pct_alta":100}},"ordem_aspectos":["Indefinido","Quantitativo","Espacial","Cinemático","Físico","Biótico","Sensitivo","Analítico","Formativo","Lingual","Social","Econômico","Estético","Jurídico","Ético","Pístico"],"zonas":["Objetivo","Lacuna","Método","Resultado","Conclusão","Recomendação","Objeto","Contexto Prévio"],"estatutos":["Afirmada","Hipotética","Investigada","Negada","Inconclusiva"],"atores":["Desenvolvedor de Sistemas","Organização","Usuário"],"contexto":{"golpes":{"rotulo":"Golpe estudado","especificados":2,"distribuicao":{"Phishing":1,"Engenharia social":1,"Phishing por e-mail":1,"Smishing":1},"procedencia":{"Phishing":{"n":1,"titulos":["Panda, 2025 — The Evolution and Defense Against Social Engineering and Phishing Attacks"]},"Engenharia social":{"n":1,"titulos":["Panda, 2025 — The Evolution and Defense Against Social Engineering and Phishing Attacks"]},"Phishing por e-mail":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Smishing":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]}}},"canais":{"rotulo":"Canal do ataque","especificados":1,"distribuicao":{"E-mail":1,"SMS":1},"procedencia":{"E-mail":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"SMS":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]}}},"metodos":{"rotulo":"Método","especificados":2,"distribuicao":{"Revisão narrativa":1,"Modelagem conceitual de taxonomia":1,"Regressão logística com TF-IDF em nível de palavra e caractere":1,"Aumento de dados balanceado por célula":1,"Ajuste fino de DistilRoBERTa":1,"Transformador hierárquico":1,"Adjudicação humana dual":1,"Avaliação com portões de segurança pré-especificados":1,"Diagnóstico disjunto por família":1},"procedencia":{"Revisão narrativa":{"n":1,"titulos":["Panda, 2025 — The Evolution and Defense Against Social Engineering and Phishing Attacks"]},"Modelagem conceitual de taxonomia":{"n":1,"titulos":["Panda, 2025 — The Evolution and Defense Against Social Engineering and Phishing Attacks"]},"Regressão logística com TF-IDF em nível de palavra e caractere":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Aumento de dados balanceado por célula":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Ajuste fino de DistilRoBERTa":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Transformador hierárquico":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Adjudicação humana dual":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Avaliação com portões de segurança pré-especificados":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Diagnóstico disjunto por família":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]}}},"fontes":{"rotulo":"Fonte dos dados","especificados":1,"distribuicao":{"SpamAssassin":1,"Conjuntos públicos de SMS e e-mail":1},"procedencia":{"SpamAssassin":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]},"Conjuntos públicos de SMS e e-mail":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]}}},"ferramentas":{"rotulo":"Ferramentas","especificados":0,"distribuicao":{},"procedencia":{}},"unidades":{"rotulo":"Unidade de análise","especificados":1,"distribuicao":{"Mensagens":1},"procedencia":{"Mensagens":{"n":1,"titulos":["Aziz et al., 2026 — TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift"]}}},"territorios":{"rotulo":"Contexto geográfico","especificados":0,"distribuicao":{},"procedencia":{}},"setores":{"rotulo":"Contexto setorial","especificados":0,"distribuicao":{},"procedencia":{}}},"anatomia":[{"tipo":"OBTEM","rotulo":"obtém","pergunta":"O que o ataque busca obter","lado":"para","total":29,"afirmadas":29,"afirmacoes":19,"afirmacoes_afirmadas":19,"itens":[{"nome":"credenciais de acesso","n":10,"n_afirmacoes":4,"outros":["phishing","phishing por e-mail","engenharia social","redirecionamento de url"],"n_artigos":2},{"nome":"informação sensível","n":6,"n_afirmacoes":4,"outros":["phishing","engenharia social","spear phishing","malware"],"n_artigos":2},{"nome":"informação pessoal","n":4,"n_afirmacoes":3,"outros":["vishing","pretexting","phishing"],"n_artigos":1},{"nome":"dinheiro","n":2,"n_afirmacoes":2,"outros":["engenharia social","phishing por e-mail"],"n_artigos":1},{"nome":"informação da vítima","n":2,"n_afirmacoes":2,"outros":["phishing por e-mail","malware"],"n_artigos":1},{"nome":"informação privada","n":2,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"acesso a propriedade privada","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"informações da vítima","n":1,"n_afirmacoes":1,"outros":["spear phishing"],"n_artigos":1},{"nome":"segredos corporativos","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1}]},{"tipo":"IMITA","rotulo":"imita","pergunta":"De quem ou do que se disfarça","lado":"para","total":15,"afirmadas":14,"afirmacoes":13,"afirmacoes_afirmadas":12,"itens":[{"nome":"instituição financeira","n":4,"n_afirmacoes":2,"outros":["phishing","phishing por e-mail"],"n_artigos":1},{"nome":"banco","n":1,"n_afirmacoes":1,"outros":["phishing por e-mail"],"n_artigos":1},{"nome":"e-mail legítimo","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"empresa","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"entidade confiável","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"fonte confiável","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"funcionário interno","n":1,"n_afirmacoes":1,"outros":["phishing por e-mail"],"n_artigos":1},{"nome":"identidade legítima","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"parceiro comercial","n":1,"n_afirmacoes":1,"outros":["spoofing"],"n_artigos":1},{"nome":"site legítimo","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"telemarketing legítimo","n":1,"n_afirmacoes":1,"outros":["vishing"],"n_artigos":1}]},{"tipo":"EXPLORA","rotulo":"explora","pergunta":"O que explora para funcionar","lado":"para","total":19,"afirmadas":17,"afirmacoes":19,"afirmacoes_afirmadas":17,"itens":[{"nome":"autenticação de dois fatores","n":2,"n_afirmacoes":2,"outros":["engenharia social","malware como serviço"],"n_artigos":1},{"nome":"urgência","n":2,"n_afirmacoes":2,"outros":["vishing","phishing por e-mail"],"n_artigos":1},{"nome":"autoridade percebida","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"baixa consciência de segurança","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"comportamento humano","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"confiança da vítima","n":1,"n_afirmacoes":1,"outros":["pretexting"],"n_artigos":1},{"nome":"confiança institucional","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"decepção","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"manipulação humana","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"medo","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"pistas léxicas correlacionadas à fonte","n":1,"n_afirmacoes":1,"outros":["modelo de detecção"],"n_artigos":1},{"nome":"princípios psicológicos","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"trabalho remoto","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"vulnerabilidade humana","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"vulnerabilidade psicológica","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1}]},{"tipo":"VISA","rotulo":"visa","pergunta":"Quem ou o que tem como alvo","lado":"para","total":10,"afirmadas":10,"afirmacoes":9,"afirmacoes_afirmadas":9,"itens":[{"nome":"indivíduos específicos","n":2,"n_afirmacoes":1,"outros":["spear phishing"],"n_artigos":1},{"nome":"comportamento fora da distribuição","n":1,"n_afirmacoes":1,"outros":["trustphish-ai"],"n_artigos":1},{"nome":"executivos","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"instituição financeira","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"sistema operacional android","n":1,"n_afirmacoes":1,"outros":["ataque de um clique"],"n_artigos":1},{"nome":"trabalhadores de agência","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"usuário","n":1,"n_afirmacoes":1,"outros":["phishing por e-mail"],"n_artigos":1},{"nome":"usuário de rede social","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"vítima","n":1,"n_afirmacoes":1,"outros":["spear phishing"],"n_artigos":1}]},{"tipo":"MITIGA","rotulo":"mitiga","pergunta":"O que o combate","lado":"de","total":34,"afirmadas":14,"afirmacoes":32,"afirmacoes_afirmadas":14,"itens":[{"nome":"abordagem multicamadas","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"aplicação da lei","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"auditoria de sobreposição","n":1,"n_afirmacoes":1,"outros":["contaminação de dados de treinamento"],"n_artigos":1},{"nome":"autenticação de dois fatores","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"autenticação multifator","n":1,"n_afirmacoes":1,"outros":["ataque de impersonação"],"n_artigos":1},{"nome":"educação do usuário","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1},{"nome":"exclusão de dados","n":1,"n_afirmacoes":1,"outros":["contaminação do conjunto de treinamento"],"n_artigos":1},{"nome":"ferramenta de apoio à decisão","n":1,"n_afirmacoes":1,"outros":["phishing"],"n_artigos":1},{"nome":"filtragem de e-mail","n":1,"n_afirmacoes":1,"outros":["phishing por e-mail"],"n_artigos":1},{"nome":"macroaveraging","n":1,"n_afirmacoes":1,"outros":["desequilíbrio de classes"],"n_artigos":1},{"nome":"navegador atualizado","n":1,"n_afirmacoes":1,"outros":["instalação de malware"],"n_artigos":1},{"nome":"remoção de conteúdo","n":1,"n_afirmacoes":1,"outros":["spear phishing"],"n_artigos":1},{"nome":"revisão de governança","n":1,"n_afirmacoes":1,"outros":["implantação de modelo não validado"],"n_artigos":1},{"nome":"treinamento de conscientização em segurança","n":1,"n_afirmacoes":1,"outros":["engenharia social"],"n_artigos":1}]}],"modelo_extracao":"Claude Sonnet 4.6 via synesis-coder"},"conceitos":[{"nome":"abordagem anti-phishing","id":"abordagem_anti-phishing","definicao":"Categoria geral que agrupa estratégias e técnicas voltadas à detecção, prevenção ou mitigação de ataques de phishing. No corpus, o conceito funciona como hiperônimo que organiza abordagens distintas segundo o momento de atuação em relação à requisição de conteúdo: abordagens pré-fetch, que atuam antes da recuperação da página, e abordagens pós-fetch, que atuam após o carregamento do conteúdo. A definição é inferida exclusivamente pelas relações de tipo observadas, não havendo trechos diretos associados ao código.","topico":"Detecção_e_Prevenção_de_Phishing","aspecto":"Formativo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00527,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"abordagem multicamadas","id":"abordagem_multicamadas","definicao":"Estratégia de defesa contra phishing e engenharia social que combina múltiplas camadas de proteção, controles ou mecanismos complementares, de modo que a falha de uma camada seja compensada pelas demais. No corpus, o conceito aparece em relação de mitigação frente à engenharia social, indicando que sua função central é reduzir a eficácia de ataques que exploram manipulação humana por meio da sobreposição de salvaguardas técnicas, procedimentais e/ou educacionais.","topico":"Estratégias_de_Defesa","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"abordagem pré-fetch","id":"abordagem_pré-fetch","definicao":"Abordagem de detecção ou bloqueio de phishing que opera de forma antecipada, buscando e analisando recursos (como páginas web ou URLs) antes que o usuário os acesse efetivamente. No corpus, o conceito aparece apenas como um tipo de abordagem anti-phishing, sem descrição detalhada de seus mecanismos ou resultados.","topico":"Detecção_de_Phishing","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00278,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"abordagem pós-fetch","id":"abordagem_pós-fetch","definicao":"Abordagem de detecção ou bloqueio de phishing que opera após o carregamento (fetch) do conteúdo da página ou mensagem, analisando o recurso já recuperado para identificar características maliciosas. Distingue-se de abordagens pré-fetch, que atuam antes do acesso ao conteúdo. É classificada como um subtipo de abordagem anti-phishing, posicionando-se na cadeia de processamento após a requisição e obtenção do recurso suspeito.","topico":"Detecção_De_Phishing","aspecto":"Analítico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00278,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"abstenção em decisões incertas","id":"abstenção_em_decisões_incertas","definicao":"Comportamento de um sistema de classificação que opta por não emitir uma decisão quando o grau de certeza sobre a categoria correta está abaixo de um limiar aceitável. No corpus, o conceito aparece como resultado possibilitado pela classificação seletiva, indicando que mecanismos de seleção ou filtragem de instâncias permitem ao classificador reservar o julgamento em casos ambíguos ou de baixa confiança, em vez de forçar uma atribuição potencialmente incorreta.","topico":"Detecção_e_Classificação","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0025,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"ac1 de gwet","id":"ac1_de_gwet","definicao":"Coeficiente estatístico desenvolvido por Gwet para mensurar o grau de concordância entre anotadores, utilizado no corpus como alternativa ao Kappa de Cohen. Distingue-se do Kappa de Cohen por apresentar maior estabilidade em situações de distribuição assimétrica de categorias ou prevalência extrema, sendo empregado para avaliar a confiabilidade de esquemas de anotação em tarefas de classificação.","topico":"Métricas_de_Concordância","aspecto":"Quantitativo","zonas":{"Resultado":1,"Método":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"acesso a propriedade privada","id":"acesso_a_propriedade_privada","definicao":"Resultado obtido pelo atacante ao final de um ataque de phishing bem-sucedido, consistindo na obtenção de acesso não autorizado a bens, sistemas, contas ou dados pertencentes à vítima. No corpus, o conceito aparece como consequência direta do phishing, representando o objetivo final do ataque: a apropriação indevida de recursos privados da vítima, sejam eles digitais (credenciais, contas bancárias, dados pessoais) ou materiais.","topico":"Impacto_do_Ataque","aspecto":"Econômico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"adequação para implantação","id":"adequação_para_implantação","definicao":"Grau em que um modelo ou sistema atende aos requisitos mínimos de desempenho e confiabilidade necessários para ser colocado em operação em ambiente real. No corpus, é operacionalizado por meio de intervalos de confiança (que medem se o desempenho estimado é suficientemente preciso e estável) e limiares de segurança (que definem o nível mínimo aceitável de desempenho para autorizar a implantação). Funciona como critério de decisão que integra métricas quantitativas e parâmetros normativos para determinar se um sistema está pronto para uso produtivo.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00415,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"ajuste adicional de modelo","id":"ajuste_adicional_de_modelo","definicao":"Processo de refinamento suplementar aplicado a um modelo já treinado, com o objetivo de adaptar seus parâmetros a um domínio ou tarefa específica. No corpus, o conceito aparece apenas como alvo de inibição por parte do limiar_de_segurança, sugerindo que a aplicação de restrições de segurança pode impedir ou limitar a realização desse ajuste adicional sobre o modelo base.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00219,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"ambiguidade jurídica","id":"ambiguidade_jurídica","definicao":"Condição em que normas, regulamentos ou enquadramentos legais apresentam imprecisão, lacunas ou interpretações conflitantes que dificultam a tipificação, responsabilização ou combate ao phishing e práticas correlatas de engenharia social. No corpus, o conceito aparece associado à engenharia social, sugerindo que a manipulação psicológica explorada em ataques de phishing ocorre em zonas cinzentas do ordenamento jurídico, onde a ilicitude da conduta nem sempre é clara ou facilmente enquadrável em tipos penais ou civis existentes.","topico":"Regulação_e_Conformidade","aspecto":"Jurídico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"aplicação da lei","id":"aplicação_da_lei","definicao":"Conjunto de ações e mecanismos institucionais exercidos por autoridades competentes para coibir, investigar e punir práticas de phishing. No corpus, o conceito aparece exclusivamente como agente mitigador do phishing, indicando que sua relevância é definida pela capacidade de reduzir a ocorrência ou o impacto desses ataques por meio de intervenção legal e coercitiva.","topico":"Resposta_Institucional","aspecto":"Jurídico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"aprendizado de atalho","id":"aprendizado_de_atalho","definicao":"Fenômeno em que modelos de aprendizado de máquina aprendem associações espúrias ou superficiais presentes nos dados de treinamento em vez de padrões causalmente relevantes, resultando em divergência de desempenho quando aplicados a dados fora da distribuição de treinamento. No corpus, o conceito aparece como causa de falhas de generalização em sistemas de detecção de phishing que dependem de características facilmente manipuláveis ou correlacionadas artificialmente com os rótulos de classe.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"aprovação baseada em métricas agregadas","id":"aprovação_baseada_em_métricas_agregadas","definicao":"Mecanismo de controle de qualidade no qual a progressão ou aprovação de um artefato, modelo ou processo é condicionada ao atendimento de limiares definidos sobre métricas agregadas de desempenho ou segurança. No corpus, o conceito aparece apenas como alvo de inibição por portões de segurança, sugerindo que tais aprovações podem ser bloqueadas quando critérios de segurança não são satisfeitos. A definição é inferida exclusivamente a partir dessa relação estrutural, sem trechos diretos de suporte.","topico":"Controle_de_Qualidade","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"aprovação de modelo","id":"aprovação_de_modelo","definicao":"Processo pelo qual um modelo de detecção de phishing é aceito ou validado para uso, inferido a partir das relações observadas no corpus. A aprovação é inibida pelo limiar de segurança — valores mais restritivos do limiar reduzem a probabilidade de um modelo ser aprovado — e influenciada pela taxa phishing-para-legítimo, que representa a proporção de exemplos de cada classe no conjunto de avaliação. O conceito opera no contexto de validação e seleção de modelos classificadores, funcionando como um critério de aceitação que equilibra sensibilidade a ataques e tolerância a falsos positivos.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":2,"Conclusão":1,"Resultado":1},"n_relacoes":2,"n_trechos":4,"pagerank":0.00388,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"aprovação de modelo com trade-off de segurança","id":"aprovação_de_modelo_com_trade-off_de_segurança","definicao":"Processo de aprovação de modelos de aprendizado de máquina ou sistemas automatizados que envolve a aceitação deliberada de compromissos entre desempenho e segurança, ou seja, situações em que ganhos em uma dimensão (como acurácia ou usabilidade) implicam concessões em outra (como robustez a ataques ou resistência a manipulações). No corpus, o conceito aparece apenas como alvo de inibição por critérios de segurança, sugerindo que tais critérios atuam como restrições que limitam ou impedem aprovações de modelos quando os trade-offs de segurança são considerados inaceitáveis. A definição é inferida exclusivamente a partir dessa relação estrutural, sem trechos diretos disponíveis.","topico":"Avaliação_de_Modelos","aspecto":"Formativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"arquitetura transformer","id":"arquitetura_transformer","definicao":"Arquitetura de rede neural baseada em mecanismos de atenção, utilizada no corpus como base para modelos de linguagem aplicados à detecção de phishing por e-mail. Aparece como categoria geral da qual modelos específicos, como o DistilRoBERTa, são instâncias (TIPO_DE), e como recurso técnico empregado em sistemas de detecção automatizada (USA). Não há trechos diretos no corpus que detalhem seu funcionamento interno; sua presença é inferida pelas relações com conceitos adjacentes.","topico":"Modelos_de_Linguagem","aspecto":"Formativo","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00298,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"ataque avançado de vishing","id":"ataque_avançado_de_vishing","definicao":"Modalidade de vishing que emprega tecnologias avançadas, como VoIP, para conduzir ataques de engenharia social por voz. Inferido a partir das relações observadas no corpus: é classificado como um tipo de vishing e utiliza infraestrutura VoIP como meio de execução, sugerindo maior sofisticação técnica em relação a formas convencionais de fraude telefônica.","topico":"Ataques_de_Phishing","aspecto":"Formativo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00337,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ataque cibernético","id":"ataque_cibernético","definicao":"Categoria ampla de ações maliciosas realizadas no ambiente digital, da qual o phishing constitui um tipo específico. No corpus, o conceito aparece como hiperônimo que situa o phishing dentro de um espectro mais abrangente de ameaças digitais, sem que propriedades adicionais da categoria sejam detalhadas nos trechos disponíveis.","topico":"Ameaças_Digitais","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ataque cibernético corporativo","id":"ataque_cibernético_corporativo","definicao":"Incidente de segurança direcionado a organizações corporativas, no qual o phishing figura como vetor causal ou fator associado. No corpus, o conceito aparece exclusivamente por meio de relações com phishing, sendo referenciado como consequência ou contexto de ataques de phishing que visam ambientes empresariais. Não há trechos diretos que detalhem suas características internas, limitando a definição ao papel de alvo ou resultado de campanhas de phishing no contexto organizacional.","topico":"Ameaças_Cibernéticas","aspecto":"Formativo","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ataque de fraude","id":"ataque_de_fraude","definicao":"Evento ou ação maliciosa em que um agente engana uma vítima para obter vantagem indevida, frequentemente por meio de comunicações falsas ou enganosas. No corpus, o conceito aparece como consequência ou manifestação concreta do phishing, indicando que ataques de phishing são tratados como uma categoria específica de fraude. A relação observada posiciona o ataque de fraude como resultado direto da atividade de phishing, sem distinção clara entre o vetor (phishing) e o evento fraudulento em si.","topico":"Ataques_Cibernéticos","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ataque de impersonação","id":"ataque_de_impersonação","definicao":"Ataque em que o agente malicioso se passa por uma entidade legítima (pessoa, organização ou serviço) para enganar a vítima e obter acesso não autorizado, credenciais ou informações sensíveis. No corpus, o conceito aparece principalmente em relação bidirecional com autenticação_multifator: por um lado, mecanismos de autenticação multifator são apontados como mitigadores desse tipo de ataque; por outro, o próprio ataque de impersonação é descrito como capaz de inibir ou contornar a eficácia da autenticação multifator, sugerindo que técnicas avançadas de impersonação podem comprometer até camadas adicionais de verificação de identidade.","topico":"Ataques_de_Phishing","aspecto":"Formativo","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.0025,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ataque de replay","id":"ataque_de_replay","definicao":"Técnica de ataque em que credenciais ou tokens de autenticação previamente capturados são reutilizados para obter acesso não autorizado, contornando mecanismos de verificação de identidade. No corpus, o conceito aparece exclusivamente em relação de inibição com a autenticação multifator, indicando que a autenticação multifator atua como contramedida capaz de neutralizar ou reduzir a eficácia desse tipo de ataque.","topico":"Técnicas_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0025,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ataque de um clique","id":"ataque_de_um_clique","definicao":"Modalidade de ataque de phishing em que uma única interação do usuário — tipicamente um clique em um link ou botão malicioso — desencadeia a instalação de malware no dispositivo da vítima. No corpus, o conceito aparece como subtipo de phishing direcionado ao sistema operacional Android, indicando que a execução do ataque explora o ambiente móvel para comprometer o dispositivo com mínima fricção para o usuário.","topico":"Técnicas_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":2,"Resultado":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00503,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ataque direcionado","id":"ataque_direcionado","definicao":"Modalidade de ataque de phishing caracterizada por ser direcionada a alvos específicos, em contraste com ataques oportunistas que visam vítimas indiscriminadas. No corpus, o conceito aparece como subtipo de engenharia social, implicando que o atacante seleciona e estuda o alvo antes de executar a ação maliciosa, personalizando a abordagem para aumentar a probabilidade de sucesso. A distinção central em relação ao ataque oportunista reside na intencionalidade e especificidade da seleção do alvo.","topico":"Táticas_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00302,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ataque oportunista","id":"ataque_oportunista","definicao":"Modalidade de ataque de engenharia social caracterizada por não ter um alvo específico predefinido, sendo direcionada indiscriminadamente a um conjunto amplo de vítimas potenciais. No corpus, o conceito aparece principalmente em contraste com o ataque direcionado (spear phishing), que mira indivíduos ou organizações específicas, enquanto o ataque oportunista explora oportunidades genéricas sem personalização significativa para a vítima.","topico":"Taxonomia_de_Ataques","aspecto":"Formativo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00302,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"auditoria de sobreposição","id":"auditoria_de_sobreposição","definicao":"Procedimento de verificação destinado a identificar e eliminar sobreposições indevidas entre conjuntos de dados utilizados no treinamento e na avaliação de modelos, prevenindo a contaminação dos dados de treinamento. No corpus, o conceito aparece exclusivamente como relação inferida, sem trechos diretos que detalhem sua operacionalização, sendo caracterizado pelo papel de mitigação de um risco metodológico específico ao aprendizado de máquina aplicado à detecção de phishing.","topico":"Qualidade_de_Dados","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"augmentação controlada de fonte","id":"augmentação_controlada_de_fonte","definicao":"Técnica de aumento de dados que utiliza amostras de uma fonte específica para enriquecer o treinamento de modelos aplicados a outra fonte, com o objetivo de melhorar o desempenho em cenários de transferência entre domínios ou conjuntos de dados distintos. No corpus, aparece como recurso metodológico empregado no contexto de detecção de phishing gerado por IA (trustphish-ai), influenciando métricas de desempenho entre fontes de dados.","topico":"Metodologia_de_Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Método":1,"Objetivo":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00346,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"augmentação de dados","id":"augmentação_de_dados","definicao":"Técnica de expansão artificial do conjunto de treinamento utilizada em modelos de detecção de phishing, cujo efeito sobre métricas de desempenho — como macro-F1 agregado, phishing recall, resistência a fontes e desempenho em cenários family-disjoint — é investigado no corpus. As relações observadas indicam que a augmentação de dados é tratada como variável de intervenção que pode influenciar a capacidade de generalização e robustez dos classificadores, sem que o corpus especifique um mecanismo único de implementação.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Resultado":4,"Objetivo":2,"Conclusão":2},"n_relacoes":6,"n_trechos":8,"pagerank":0.0086,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"augmentação orientada a fonte","id":"augmentação_orientada_a_fonte","definicao":"Técnica de aumento de dados em que exemplos sintéticos são gerados a partir de fontes específicas de phishing, com o objetivo de ampliar e diversificar o conjunto de treinamento de modelos de detecção. A relação observada no corpus indica que essa abordagem influencia o desempenho de detecção, sugerindo que a origem controlada dos dados sintéticos é um fator relevante para a qualidade do modelo resultante. Por não haver trechos diretos do corpus associados ao conceito, a definição baseia-se exclusivamente na cadeia relacional registrada.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00175,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"autenticação de dois fatores","id":"autenticação_de_dois_fatores","definicao":"Mecanismo de segurança que exige dois fatores distintos para verificar a identidade de um usuário, funcionando como controle de acesso adicional além da senha. No corpus, é referenciado principalmente em relação ao phishing: por um lado, mitiga ataques de phishing ao dificultar o acesso não autorizado mesmo quando credenciais são comprometidas; por outro lado, pode ser contornado por técnicas de engenharia social e por malware como serviço (MaaS), que exploram suas vulnerabilidades para interceptar ou bypassar o segundo fator de autenticação.","topico":"Mecanismos_de_Segurança","aspecto":"Formativo","zonas":{"Contexto Prévio":3},"n_relacoes":3,"n_trechos":3,"pagerank":0.00447,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"autenticação multifator","id":"autenticação_multifator","definicao":"Mecanismo de segurança que exige múltiplos fatores de verificação para autenticar a identidade de um usuário, observado no corpus principalmente por suas relações com ataques de impersonação, replay e ações de cibercriminosos. As relações indicam que a autenticação multifator atua como controle mitigador de ataques de impersonação, ao mesmo tempo em que é alvo de inibição por parte de cibercriminosos, ataques de replay e pelos próprios ataques de impersonação, sugerindo que adversários buscam contornar ou neutralizar esse mecanismo como parte de suas estratégias ofensivas.","topico":"Mecanismos_de_Defesa","aspecto":"Formativo","zonas":{"Contexto Prévio":4},"n_relacoes":4,"n_trechos":4,"pagerank":0.00693,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"autoridade percebida","id":"autoridade_percebida","definicao":"Percepção de que uma entidade (pessoa, organização ou sistema) possui poder legítimo, credibilidade ou status que justifica obediência ou conformidade. No corpus, o conceito aparece como um dos vetores explorados pela engenharia social em ataques de phishing: mensagens fraudulentas invocam figuras de autoridade (instituições financeiras, órgãos governamentais, superiores hierárquicos) para induzir a vítima a cumprir solicitações sem questionar sua legitimidade. A relação observada é de exploração, indicando que a engenharia social se vale da autoridade percebida como alavanca psicológica para reduzir a resistência crítica do alvo.","topico":"Manipulação_Psicológica","aspecto":"Pístico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ação operacional de bloqueio","id":"ação_operacional_de_bloqueio","definicao":"Ação de natureza operacional voltada ao bloqueio de atividades ou entidades maliciosas, inferida no corpus como consequência prática habilitada por uma taxonomia de três classes. Embora o conceito não apareça diretamente em trechos codificados, sua relação com a taxonomia sugere que se trata de uma resposta ou contramedida concreta — como bloquear URLs, domínios ou mensagens de phishing — que se torna viável a partir da classificação estruturada de ameaças. A definição é limitada pela ausência de ocorrências diretas no corpus.","topico":"Contramedidas_e_Defesa","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00217,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"baiting","id":"baiting","definicao":"Técnica de engenharia social em que o atacante oferece uma isca (física ou digital, como mídias removíveis infectadas ou downloads atrativos) para induzir a vítima a executar uma ação que resulta em exposição a malware ou comprometimento de sistema. No corpus, o conceito aparece exclusivamente por meio de relações estruturais: é classificado como um tipo de engenharia social, utiliza mecanismos de engenharia social em sua execução e causa exposição a malware como consequência.","topico":"Engenharia_Social","aspecto":"Formativo","zonas":{"Objeto":3},"n_relacoes":3,"n_trechos":3,"pagerank":0.00344,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"baixa consciência de segurança","id":"baixa_consciência_de_segurança","definicao":"Condição em que indivíduos ou organizações apresentam conhecimento insuficiente sobre ameaças de segurança da informação, práticas de proteção e riscos associados a ataques como phishing, tornando-os mais vulneráveis à exploração por agentes maliciosos. No corpus, o conceito aparece como fator explorado pelo phishing, indicando que a ausência ou deficiência de consciência de segurança constitui uma vulnerabilidade humana que facilita o sucesso de ataques.","topico":"Fatores_Humanos_de_Vulnerabilidade","aspecto":"Sensitivo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"balanceamento hierárquico","id":"balanceamento_hierárquico","definicao":"Técnica ou conjunto de procedimentos aplicados durante o treinamento ou avaliação de modelos de classificação hierárquica para compensar desequilíbrios na distribuição de classes em diferentes níveis da hierarquia. No corpus, o conceito aparece como fator que influencia métricas de desempenho como macro-F1 composto e phishing recall, sugerindo seu papel na calibração do modelo para que categorias minoritárias (como subtipos específicos de phishing) não sejam sistematicamente sub-representadas nas predições.","topico":"Classificação_Automática","aspecto":"Analítico","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00287,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"banco","id":"banco","definicao":"Instituição financeira que aparece no corpus como alvo de imitação em ataques de phishing por e-mail. O conceito é observado exclusivamente na relação em que mensagens de phishing se passam por bancos para enganar vítimas, indicando que bancos figuram como entidades cuja identidade e marca são falsificadas pelos atacantes.","topico":"Alvos_de_Phishing","aspecto":"Social","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00166,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"barra de ferramentas antiphishing","id":"barra_de_ferramentas_antiphishing","definicao":"Ferramenta de segurança integrada ao navegador web que visa detectar e alertar usuários sobre sites de phishing, funcionando como mecanismo de mitigação de ataques. No corpus, aparece em relações que indicam que técnicas de segurança em nível de sistema operacional a superam em eficácia, e que o próprio phishing pode inibir sua efetividade, sugerindo que atacantes desenvolvem estratégias para contorná-la. Representa uma camada de defesa do lado do cliente, posicionada entre o usuário e o conteúdo malicioso.","topico":"Mecanismos_de_Defesa","aspecto":"Formativo","zonas":{"Conclusão":2,"Método":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00345,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"bootstrap pareado","id":"bootstrap_pareado","definicao":"Técnica de reamostragem estatística utilizada para comparar o desempenho de dois modelos de forma pareada, estimando a distribuição da diferença entre suas métricas por meio de múltiplas amostras geradas com reposição a partir dos mesmos dados de teste. No corpus, aparece como método de inferência estatística que mede a variação de desempenho entre modelos, permitindo avaliar se diferenças observadas são estatisticamente significativas.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"bots","id":"bots","definicao":"Sistemas automatizados de software capazes de executar tarefas repetitivas em escala, referenciados no corpus como ferramentas utilizadas em ataques de phishing automatizado. A relação observada indica que bots são empregados como mecanismo operacional no contexto de phishing automatizado, embora não haja trechos diretos do corpus que detalhem suas propriedades ou funcionamento interno.","topico":"Automação_de_Ataques","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00182,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"cabeçalho de e-mail","id":"cabeçalho_de_e-mail","definicao":"Conjunto de metadados estruturados que acompanham uma mensagem de e-mail, contendo informações como endereço de origem, remetente, destinatário, rota de entrega e campos técnicos auxiliares (como X-Originating-IP). No corpus, o cabeçalho de e-mail é tratado como componente técnico da mensagem que pode ser inspecionado para identificar indícios de falsificação de remetente (spoofing) e, por extensão, de phishing, funcionando como vetor de análise forense e mitigação de ataques.","topico":"Análise_de_E-mail","aspecto":"Lingual","zonas":{"Recomendação":2,"Objeto":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00443,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"calibração do modelo","id":"calibração_do_modelo","definicao":"Propriedade de um modelo preditivo que expressa o grau de concordância entre as probabilidades estimadas pelo modelo e as frequências reais de ocorrência dos eventos. No corpus, o conceito é operacionalizado indiretamente por meio do erro de calibração esperado, que o mede: quanto menor o erro, melhor calibrado é o modelo, indicando que suas saídas probabilísticas refletem com fidelidade a distribuição empírica dos dados.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"campanha publicitária em rede social","id":"campanha_publicitária_em_rede_social","definicao":"Conjunto coordenado de publicações ou anúncios veiculados em plataformas de redes sociais com fins promocionais ou de engajamento. No corpus, o conceito aparece como um dos vetores ou contextos em que ataques de phishing podem ser conduzidos, sendo utilizado como meio para disseminar mensagens fraudulentas disfarçadas de conteúdo legítimo de marketing ou comunicação institucional.","topico":"Vetores_de_Ataque","aspecto":"Lingual","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"campo x-originating-ip","id":"campo_x-originating-ip","definicao":"Campo presente no cabeçalho de e-mail que registra o endereço IP de origem da mensagem, indicando o ponto de envio inicial. No corpus, aparece exclusivamente como componente do cabeçalho de e-mail, sem ocorrências diretas em trechos codificados, sendo referenciado apenas pela relação estrutural de pertencimento a esse cabeçalho.","topico":"Infraestrutura_de_E-mail","aspecto":"Físico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0018,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"características léxicas e semânticas","id":"características_léxicas_e_semânticas","definicao":"Conjunto de propriedades linguísticas extraídas do conteúdo textual de mensagens ou URLs para fins de detecção de phishing, abrangendo tanto aspectos léxicos (vocabulário, tokens, padrões de palavras) quanto semânticos (significado, contexto, intenção comunicativa). No corpus, o conceito aparece como recurso utilizado por abordagens de detecção baseadas em conteúdo, funcionando como conjunto de atributos que alimentam modelos de classificação ou análise automatizada.","topico":"Detecção_de_Phishing","aspecto":"Lingual","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00278,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"características tf-idf","id":"características_tf-idf","definicao":"Representação numérica de termos extraídos de mensagens ou documentos, ponderada pela frequência do termo no documento e pela frequência inversa nos documentos do corpus (TF-IDF), utilizada como vetor de entrada em modelos de classificação de phishing, como regressão logística. No corpus, o conceito aparece como conjunto de atributos derivados de texto que alimentam algoritmos de aprendizado de máquina para distinguir mensagens legítimas de phishing.","topico":"Extração_de_Características","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00203,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"cibercriminoso","id":"cibercriminoso","definicao":"Agente malicioso que conduz ataques de phishing e outras atividades ilícitas no ambiente digital. No corpus, é referenciado principalmente pela relação de inibição exercida por mecanismos de segurança como a autenticação multifator, posicionando-o como o ator ameaçador cujas ações são dificultadas por controles técnicos de acesso.","topico":"Atores_de_Ameaça","aspecto":"Social","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0025,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"classificação de phishing como legítimo","id":"classificação_de_phishing_como_legítimo","definicao":"Erro de classificação em que uma mensagem ou URL de phishing é incorretamente identificada como legítima por um sistema de detecção. No corpus, o conceito aparece associado ao erro de classificação severo, indicando que representa uma das formas mais críticas de falha em sistemas antiphishing, pois permite que ataques passem despercebidos pelo mecanismo de defesa, expondo os usuários ao risco.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00234,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"classificação seletiva","id":"classificação_seletiva","definicao":"Abordagem de classificação em que o sistema opta por não emitir uma decisão categórica quando o grau de certeza é insuficiente, reservando o julgamento para casos em que a confiança na predição ultrapassa um limiar definido. No corpus, o conceito aparece associado à possibilidade de abstenção em decisões incertas, à mitigação de erros de classificação de phishing e à redução do risco operacional decorrente de classificações incorretas.","topico":"Detecção_e_Classificação","aspecto":"Analítico","zonas":{"Recomendação":2,"Contexto Prévio":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00693,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"codificação de url","id":"codificação_de_url","definicao":"Técnica de transformação ou ofuscação de URLs que altera a representação textual dos endereços web, dificultando a identificação de indicadores maliciosos por sistemas de detecção de phishing. No corpus, o conceito aparece exclusivamente em relação ao seu efeito inibitório sobre a detecção, sugerindo que sua relevância analítica reside no papel de mecanismo de evasão empregado por atacantes para mascarar a natureza fraudulenta de links presentes em mensagens de phishing.","topico":"Técnicas_de_Evasão","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00172,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"coeficiente de correlação de matthews","id":"coeficiente_de_correlação_de_matthews","definicao":"Métrica de avaliação de modelos de classificação que mede o desempenho de detecção de phishing, considerando verdadeiros positivos, verdadeiros negativos, falsos positivos e falsos negativos de forma balanceada. No corpus, aparece como medida de qualidade preditiva de sistemas de detecção, sendo especialmente relevante em contextos de classes desbalanceadas, onde outras métricas podem ser enganosas.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00175,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"coleta de dados primários","id":"coleta_de_dados_primários","definicao":"Processo de obtenção direta de dados originais junto a fontes primárias (participantes, experimentos, levantamentos), em oposição ao uso de conjuntos de dados secundários ou pré-existentes. No corpus, o conceito aparece apenas como alvo de inibição por restrições de tempo e recursos, indicando que sua ausência ou limitação é reconhecida como uma das fronteiras metodológicas dos estudos analisados.","topico":"Metodologia_de_Pesquisa","aspecto":"Analítico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"coleta de informação da vítima","id":"coleta_de_informação_da_vítima","definicao":"Processo de obtenção de dados pessoais, profissionais ou comportamentais sobre um alvo específico, utilizado como etapa preparatória em ataques de phishing direcionado (spear phishing). No corpus, esse processo é viabilizado pelo uso de redes sociais, que fornecem informações publicamente acessíveis sobre a vítima, permitindo ao atacante personalizar a abordagem e aumentar a credibilidade do ataque.","topico":"Táticas_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00342,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"coleta de informações","id":"coleta_de_informações","definicao":"Processo de obtenção de dados sobre alvos específicos, constituindo uma etapa preliminar do spear phishing. No corpus, o conceito aparece como componente integrante do spear phishing, sugerindo que a coleta de informações pessoais, profissionais ou contextuais sobre a vítima é uma fase preparatória que viabiliza a personalização e o direcionamento do ataque.","topico":"Táticas_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00172,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"coleta de informações da vítima","id":"coleta_de_informações_da_vítima","definicao":"Processo pelo qual o atacante obtém dados pessoais, comportamentais ou contextuais da vítima para subsidiar a elaboração e personalização de ataques de phishing. No corpus, aparece como uma etapa instrumental do phishing, que se vale de fontes como mídias sociais para reunir informações que tornam a abordagem mais convincente e direcionada.","topico":"Ciclo_do_Ataque","aspecto":"Formativo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00345,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"complexidade de fatores","id":"complexidade_de_fatores","definicao":"Grau de dificuldade ou sofisticação envolvido nos fatores de autenticação, referenciado no corpus como elemento que pode dificultar ou inibir a capacidade de atacantes em contornar mecanismos de autenticação multifator. A relação observada sugere que maior complexidade nos fatores de autenticação atua como barreira à derrota desses mecanismos, embora a evidência direta no corpus seja limitada a essa relação inferida.","topico":"Autenticação_e_Segurança","aspecto":"Analítico","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"comportamento de segurança da informação","id":"comportamento_de_segurança_da_informação","definicao":"Conjunto de ações e práticas adotadas por indivíduos no contexto organizacional ou pessoal para proteger informações e sistemas contra ameaças, incluindo phishing. No corpus, o conceito aparece como variável de resultado influenciada por treinamento de conscientização em segurança, sugerindo que se refere ao modo como usuários respondem a situações de risco informacional — por exemplo, identificar e-mails suspeitos, evitar clicar em links maliciosos ou reportar tentativas de ataque. A relação observada posiciona o comportamento como algo passível de ser moldado por intervenções educativas, distinguindo-o de atitudes ou percepções (dimensão cognitivo-afetiva) e de políticas formais (dimensão normativa).","topico":"Fatores_Humanos_em_Segurança","aspecto":"Sensitivo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.002,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"comportamento fora da distribuição","id":"comportamento_fora_da_distribuição","definicao":"Padrão de comportamento ou dado que se desvia significativamente da distribuição estatística aprendida durante o treinamento de um modelo, utilizado como sinal para detecção de anomalias ou ataques em sistemas de segurança. No contexto do corpus, o conceito aparece associado à identificação de atividades suspeitas ou maliciosas que fogem ao comportamento esperado, servindo como base para mecanismos de detecção de phishing e outras ameaças.","topico":"Detecção_de_Anomalias","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00198,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"comportamento humano","id":"comportamento_humano","definicao":"Conjunto de ações, reações e padrões de conduta dos indivíduos que são explorados por técnicas de engenharia social em contextos de phishing. No corpus, o conceito aparece como alvo das estratégias de manipulação psicológica empregadas por atacantes, sendo referenciado principalmente pela relação em que a engenharia social o explora para induzir vítimas a revelar informações sensíveis ou executar ações prejudiciais. Abrange tanto respostas automáticas e heurísticas quanto decisões deliberadas que tornam os usuários vulneráveis a ataques.","topico":"Fatores_Humanos","aspecto":"Sensitivo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"comprometimento de e-mail corporativo","id":"comprometimento_de_e-mail_corporativo","definicao":"Modalidade de ataque direcionado em que agentes maliciosos comprometem ou se passam por contas de e-mail legítimas de organizações para enganar funcionários, parceiros ou clientes, frequentemente com objetivos financeiros ou de exfiltração de dados. No corpus, o conceito aparece como um tipo específico de spear phishing, caracterizado pelo foco em contas corporativas e pela exploração da confiança associada a comunicações internas ou de parceiros de negócios.","topico":"Modalidades_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00172,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"comprometimento de novas vítimas","id":"comprometimento_de_novas_vítimas","definicao":"Processo pelo qual novas vítimas são comprometidas, possivelmente facilitado pelo uso de informações obtidas de vítimas anteriores. No corpus, o conceito aparece como resultado potencial do aproveitamento de dados pessoais ou credenciais já coletados, sugerindo um efeito cascata ou propagação do ataque a alvos adicionais.","topico":"Propagação_de_Ataques","aspecto":"Cinemático","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.002,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"comunicação com helpdesk","id":"comunicação_com_helpdesk","definicao":"Interação entre usuários e equipe de suporte técnico (helpdesk) como mecanismo de resposta ou prevenção a incidentes de phishing. No corpus, o conceito aparece exclusivamente na relação de mitigação com phishing, sugerindo que o contato com o helpdesk funciona como canal de reporte, esclarecimento de dúvidas ou contenção de ataques, reduzindo o impacto ou a propagação de tentativas de phishing dentro de uma organização.","topico":"Resposta_a_Incidentes","aspecto":"Social","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"comunicação suspeita","id":"comunicação_suspeita","definicao":"Comunicação que apresenta características associadas a tentativas de engano ou manipulação, sendo identificada como um tipo ou manifestação de engenharia social. No corpus, o conceito aparece como categoria subordinada à engenharia social, sugerindo que designa mensagens ou interações que exibem sinais indicativos de intenção fraudulenta, como solicitações incomuns, urgência artificial ou pedidos de informações sensíveis. A ausência de ocorrências diretas limita a precisão da definição ao vínculo relacional observado.","topico":"Detecção_De_Phishing","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"concordância entre anotadores","id":"concordância_entre_anotadores","definicao":"Grau de acordo entre dois ou mais anotadores ao classificar ou rotular um mesmo conjunto de dados, utilizado como critério de validação da consistência e confiabilidade de esquemas de anotação manual. No corpus, é operacionalizado por meio de métricas estatísticas específicas, como o kappa de Cohen e o AC1 de Gwet, que quantificam o nível de concordância corrigindo o efeito do acaso.","topico":"Validação_de_Anotação","aspecto":"Quantitativo","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"confiabilidade operacional","id":"confiabilidade_operacional","definicao":"Propriedade de um sistema ou componente que expressa sua capacidade de funcionar de forma consistente e sem falhas ao longo do tempo, conforme inferido pelo contexto de uso no corpus. Aparece como objeto de medição de uma métrica agregada única, sugerindo que é tratada como um atributo quantificável do desempenho operacional de sistemas envolvidos na detecção ou mitigação de phishing. O corpus não fornece trechos diretos que detalhem sua operacionalização ou distinção de conceitos próximos como disponibilidade ou robustez.","topico":"Desempenho_de_Sistemas","aspecto":"Quantitativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00278,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"confiança acrítica em tecnologia","id":"confiança_acrítica_em_tecnologia","definicao":"Disposição de usuários de depositar confiança irrestrita em sistemas tecnológicos — como filtros de spam, indicadores de segurança do navegador ou certificados SSL — sem questionar sua suficiência ou possibilidade de falha, criando uma vulnerabilidade explorada por atacantes que sabem que tais sinais de legitimidade serão aceitos sem escrutínio crítico. No corpus, o conceito aparece como fator que amplia a eficácia de vetores de ataque, pois o usuário delega o julgamento de segurança à tecnologia em vez de exercer avaliação própria.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Pístico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"confiança da vítima","id":"confiança_da_vítima","definicao":"Estado de crença ou disposição da vítima em aceitar como legítima a identidade, a intenção ou a mensagem do atacante, constituindo o alvo explorado por técnicas de pretexting e outras formas de manipulação social no contexto de phishing. Representa o comprometimento cognitivo e afetivo de fundo que predispõe o indivíduo a cumprir solicitações fraudulentas, distinguindo-se de reações emocionais imediatas (como medo ou urgência) por ser uma convicção mais estável sobre a confiabilidade da fonte.","topico":"Fatores_Humanos","aspecto":"Pístico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00167,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"confiança institucional","id":"confiança_institucional","definicao":"Crença ou disposição de fundo que indivíduos depositam em instituições, organizações ou entidades reconhecidas (bancos, órgãos governamentais, empresas de tecnologia, etc.), conferindo-lhes legitimidade e autoridade percebida. No corpus, o conceito aparece como alvo explorado pela engenharia social: atacantes se valem da confiança preexistente que vítimas nutrem por essas entidades para tornar mensagens fraudulentas mais críveis e aumentar a probabilidade de conformidade com solicitações maliciosas. Distingue-se da confiança interpessoal por ser dirigida a papéis ou marcas institucionais, e da credibilidade percebida de uma mensagem específica por ser uma crença de fundo estável, não uma avaliação pontual.","topico":"Fatores_Humanos_e_Psicológicos","aspecto":"Pístico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"conhecimento geral sobre phishing","id":"conhecimento_geral_sobre_phishing","definicao":"Conjunto de informações e compreensão que um indivíduo possui sobre o fenômeno do phishing de forma ampla, incluindo o reconhecimento de que ataques de phishing existem, como funcionam em termos gerais e quais são suas características típicas. No corpus, o conceito aparece como fator antecedente que influencia a consciência_sobre_phishing, sugerindo que o grau de familiaridade geral com o tema phishing condiciona o nível de alerta e percepção de risco do usuário diante de tentativas de ataque.","topico":"Fatores_Humanos","aspecto":"Sensitivo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00237,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"conjunto de teste externo independente","id":"conjunto_de_teste_externo_independente","definicao":"Conjunto de dados de teste proveniente de fontes externas e independentes do conjunto de treinamento, utilizado para avaliar a capacidade de generalização de modelos de detecção de phishing em condições não vistas durante o treinamento. Sua função no corpus é medir o quanto o desempenho do modelo se mantém ao ser aplicado a dados distintos dos utilizados em sua construção, servindo como critério de validação externa da robustez e transferibilidade do modelo.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"consciência sobre phishing","id":"consciência_sobre_phishing","definicao":"Grau em que indivíduos reconhecem e compreendem o fenômeno do phishing como ameaça, incluindo seus mecanismos, riscos e formas de manifestação. No corpus, o conceito aparece como variável influenciada por fatores como a percepção da seriedade da ameaça, o conhecimento geral sobre phishing e a exposição a simulações internas de ataques, sugerindo que se trata de um estado cognitivo-atitudinal que pode ser desenvolvido ou aprimorado por meio de experiências e informações.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Sensitivo","zonas":{"Conclusão":3},"n_relacoes":3,"n_trechos":3,"pagerank":0.00645,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"conta falsa","id":"conta_falsa","definicao":"Conta criada com identidade fictícia ou fraudulenta, utilizada como recurso operacional em ataques de phishing. No corpus, aparece como um dos meios empregados pelo atacante para conduzir ou sustentar o ataque, sem detalhamento adicional sobre suas características ou formas de criação.","topico":"Infraestrutura_de_Ataque","aspecto":"Formativo","zonas":{"Resultado":1,"Objeto":1},"n_relacoes":1,"n_trechos":2,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"conta falsa em rede social","id":"conta_falsa_em_rede_social","definicao":"Perfil ou conta criada em plataformas de redes sociais com identidade fictícia ou usurpada, utilizada como vetor ou infraestrutura de suporte a ataques de phishing. A relação observada no corpus posiciona este conceito como um recurso operacional empregado pelo phishing, sem evidências diretas de trechos que detalhem suas propriedades internas, mecanismos de criação ou formas de detecção. A definição é, portanto, limitada ao papel funcional inferido pela cadeia relacional disponível.","topico":"Infraestrutura_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"contaminação de dados de treinamento","id":"contaminação_de_dados_de_treinamento","definicao":"Fenômeno em que dados utilizados para avaliar ou testar um modelo de aprendizado de máquina estão presentes também no conjunto de treinamento, comprometendo a validade das métricas de desempenho obtidas. No corpus, o conceito aparece como alvo de mitigação pela auditoria_de_sobreposição, indicando que sua ocorrência distorce a avaliação de modelos de detecção de phishing ao inflar artificialmente os resultados, uma vez que o modelo já teria sido exposto às amostras de teste durante o treinamento.","topico":"Qualidade_de_Dados","aspecto":"Analítico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"contaminação do conjunto de treinamento","id":"contaminação_do_conjunto_de_treinamento","definicao":"Fenômeno em que dados maliciosos, enviesados ou não representativos são incorporados ao conjunto de treinamento de modelos de aprendizado de máquina, comprometendo a qualidade e a confiabilidade do modelo resultante. No contexto do corpus, o conceito aparece como alvo de mitigação pela prática de exclusão de dados, indicando que a contaminação é tratada como uma ameaça à integridade dos sistemas de detecção de phishing baseados em aprendizado de máquina.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"contágio","id":"contágio","definicao":"No corpus, 'contágio' aparece exclusivamente como parte constitutiva do spear_phishing, sem trechos diretos que descrevam seu significado operacional. Com base na relação observada, o conceito remete ao mecanismo pelo qual um ataque de spear_phishing se propaga ou se dissemina a partir de um vetor inicial, atingindo alvos adicionais por meio de conexões sociais, organizacionais ou de rede. A ausência de ocorrências diretas impede uma definição mais precisa; o conceito é inferido apenas pela sua posição estrutural como componente do spear_phishing.","topico":"Propagação_de_Ataques","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00172,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"cooperação internacional em cibercrime","id":"cooperação_internacional_em_cibercrime","definicao":"Mecanismos e esforços coordenados entre países para combater crimes cibernéticos, incluindo phishing e engenharia social, por meio de acordos, tratados e ações conjuntas entre jurisdições distintas. No corpus, o conceito aparece em contraste com legislações nacionais sobre engenharia social, sugerindo que a fragmentação jurídica entre países representa um obstáculo à efetividade do combate ao cibercrime, enquanto a cooperação internacional seria uma resposta estrutural a essa limitação.","topico":"Regulação_e_Governança_Digital","aspecto":"Jurídico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"credenciais de acesso","id":"credenciais_de_acesso","definicao":"Conjunto de informações de autenticação — tipicamente combinações de nome de usuário e senha, mas também tokens ou dados equivalentes — que permitem acesso a sistemas, contas ou serviços. No corpus, o conceito aparece exclusivamente como objeto-alvo obtido por ataques: phishing (em suas diversas modalidades, incluindo phishing por e-mail), engenharia social e redirecionamento de URL são os mecanismos pelos quais tais credenciais são capturadas de vítimas. O conceito não é operacionalizado como processo, mas como recurso informacional cobiçado e extraído ilegitimamente.","topico":"Alvos_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":7,"Contexto Prévio":3},"n_relacoes":4,"n_trechos":10,"pagerank":0.00518,"artigos":["g0066_phishing","g0293_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"critérios de governança de dados","id":"critérios_de_governança_de_dados","definicao":"Conjunto de requisitos, padrões ou princípios utilizados para avaliar e selecionar fontes de dados no contexto de pesquisas sobre phishing, orientando decisões sobre quais repositórios, conjuntos de dados ou bases são adequados para uso em estudos empíricos e experimentais. No corpus, o conceito aparece associado a fontes candidatas de substituição, sugerindo seu papel como critério de triagem e validação de alternativas quando fontes primárias não estão disponíveis ou são inadequadas.","topico":"Gestão_de_Dados","aspecto":"Jurídico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"critérios de segurança","id":"critérios_de_segurança","definicao":"Conjunto de requisitos ou padrões utilizados para avaliar se um modelo ou sistema atende a condições mínimas de segurança, funcionando como restrições que podem impedir a aprovação de soluções que apresentem compromissos desfavoráveis entre desempenho e segurança (trade-offs). No corpus, o conceito aparece como fator inibidor da adoção de modelos que não satisfazem tais exigências.","topico":"Segurança_de_Sistemas","aspecto":"Formativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"custo de implantação","id":"custo_de_implantação","definicao":"Custo associado à implementação de ataques de phishing, considerado como fator que influencia o nível de sofisticação dos ataques empregados. Embora sem ocorrências diretas no corpus codificado, a relação observada sugere que o custo de implantação opera como variável condicionante da complexidade e elaboração das campanhas de phishing, implicando que recursos financeiros ou técnicos disponíveis ao atacante determinam o grau de sofisticação alcançável.","topico":"Economia_do_Ataque","aspecto":"Econômico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"decepção","id":"decepção","definicao":"Mecanismo psicossocial pelo qual o atacante induz a vítima a acreditar em algo falso, criando uma percepção distorcida da realidade para obter informações ou ações desejadas. No contexto do phishing, a decepção é explorada como vetor central do ataque, sendo o meio pelo qual mensagens fraudulentas se apresentam como legítimas e confiáveis, levando o alvo a agir contra seus próprios interesses.","topico":"Manipulação_Psicológica","aspecto":"Sensitivo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"deepfake","id":"deepfake","definicao":"Técnica de síntese de mídia baseada em inteligência artificial que gera ou manipula conteúdo audiovisual (imagens, vídeos ou áudio) de forma a imitar de maneira convincente pessoas reais. No corpus, o conceito aparece como recurso utilizado pela engenharia social, sugerindo seu papel como meio de falsificação de identidade ou de contexto para tornar ataques de phishing mais críveis e difíceis de detectar.","topico":"Técnicas_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"derrota da autenticação multifator","id":"derrota_da_autenticação_multifator","definicao":"Capacidade ou técnica empregada por atacantes para contornar ou neutralizar mecanismos de autenticação multifator (MFA), tornando ineficaz a camada adicional de segurança que exige múltiplos fatores de verificação de identidade. No corpus, o conceito aparece como alvo de inibição pela complexidade de fatores, sugerindo que quanto maior a complexidade dos fatores de autenticação exigidos, menor a probabilidade de que o MFA seja derrotado com sucesso pelo atacante.","topico":"Autenticação_e_Controle_de_Acesso","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"desempenho agregado","id":"desempenho_agregado","definicao":"Medida composta que sintetiza o resultado global de um sistema ou abordagem de detecção, contrastada com métricas específicas de segurança de detecção de phishing. No corpus, o conceito aparece como referência de avaliação geral que se opõe a indicadores mais focados em aspectos particulares do desempenho, sugerindo que o desempenho agregado pode mascarar variações em dimensões críticas de segurança quando considerado isoladamente.","topico":"Avaliação_de_Desempenho","aspecto":"Quantitativo","zonas":{"Conclusão":2},"n_relacoes":1,"n_trechos":2,"pagerank":0.002,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho composto email-sms","id":"desempenho_composto_email-sms","definicao":"Medida agregada de desempenho que combina resultados obtidos em dois canais distintos de comunicação — e-mail e SMS — para avaliação conjunta de modelos ou abordagens de detecção de phishing. Inferido a partir de sua relação de contraste com desempenho_interno, sugere que representa uma métrica composta que integra o desempenho em múltiplos vetores de ataque, permitindo comparação com métricas calculadas em contextos mais restritos ou internos.","topico":"Avaliação_de_Desempenho","aspecto":"Quantitativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho de detecção","id":"desempenho_de_detecção","definicao":"Capacidade de um sistema ou modelo de identificar corretamente mensagens de phishing, operacionalizada no corpus por métricas como macro-F1 agregado, coeficiente de correlação de Matthews e phishing recall. O desempenho de detecção é influenciado por fatores como augmentação de dados, augmentação orientada a fonte, ponderação hierárquica, diversidade de fontes independentes e uso de ferramentas como SpamAssassin. O conceito também se relaciona com a transferência entre fontes, indicando que o desempenho obtido em um conjunto de dados pode ou não se generalizar para outros contextos.","topico":"Detecção_de_Phishing","aspecto":"Quantitativo","zonas":{"Método":5,"Resultado":4,"Contexto Prévio":1,"Objetivo":1,"Lacuna":1,"Conclusão":1},"n_relacoes":10,"n_trechos":13,"pagerank":0.01416,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho em sms","id":"desempenho_em_sms","definicao":"Desempenho de modelos ou sistemas de detecção quando aplicados a mensagens SMS, utilizado no corpus como ponto de contraste em relação ao desempenho obtido em e-mails. A relação observada sugere que os resultados alcançados por modelos de detecção de phishing por e-mail não se transferem diretamente para o contexto de SMS, implicando diferenças nas características do canal, no volume de dados ou nas métricas de eficácia entre os dois meios.","topico":"Detecção_de_Phishing","aspecto":"Quantitativo","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho entre fontes","id":"desempenho_entre_fontes","definicao":"Medida de desempenho que avalia o comportamento de modelos ou sistemas quando aplicados a dados provenientes de diferentes fontes ou domínios, permitindo comparar a eficácia relativa entre origens distintas de dados. No corpus, aparece como variável influenciada por estratégias de augmentação controlada de fonte e por esquemas de ponderação hierárquica por classe e fonte, indicando que variações nessas estratégias produzem efeitos mensuráveis no desempenho observado por fonte de dados.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Objetivo":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00347,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho family-disjoint","id":"desempenho_family-disjoint","definicao":"Métrica de desempenho de modelos de detecção de phishing avaliada em cenário family-disjoint, no qual os dados de teste pertencem a famílias de ataques distintas das utilizadas no treinamento. Esse protocolo avalia a capacidade de generalização do modelo para ataques não vistos durante o treinamento. Conforme as relações observadas, tanto a diversidade de fonte de e-mail quanto a augmentação de dados exercem influência sobre esse desempenho, sugerindo que a variabilidade dos dados de entrada é relevante para a robustez do modelo nesse cenário de avaliação.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Resultado":2,"Objetivo":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00348,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho fora da distribuição","id":"desempenho_fora_da_distribuição","definicao":"Desempenho de modelos de detecção avaliados em dados que diferem da distribuição original de treinamento, contrastando com o desempenho in-domain. No corpus, o conceito emerge como polo oposto ao desempenho in-domain, indicando a capacidade (ou limitação) de generalização de classificadores de phishing quando aplicados a amostras fora do domínio de treinamento.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho in-domain","id":"desempenho_in-domain","definicao":"Desempenho de modelos de detecção de phishing avaliado em dados pertencentes à mesma distribuição utilizada no treinamento, em contraste com o desempenho fora da distribuição. Serve como referência para comparar a capacidade de generalização dos modelos quando expostos a dados novos ou de domínios distintos.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desempenho interno","id":"desempenho_interno","definicao":"Medida de desempenho de um modelo ou sistema avaliado exclusivamente sobre dados ou condições internas, em contraste com métricas compostas que combinam múltiplos canais ou modalidades (como e-mail e SMS). A relação observada no corpus indica que o desempenho interno é distinguido do desempenho composto email-SMS, sugerindo que se trata de uma métrica de avaliação restrita a um único domínio ou conjunto de dados, sem agregação entre diferentes tipos de canais de comunicação.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"desequilíbrio de classes","id":"desequilíbrio_de_classes","definicao":"Condição em que as classes de um conjunto de dados de treinamento ou avaliação apresentam distribuição desproporcional de exemplos, de modo que uma ou mais classes possuem muito mais instâncias do que outras. No contexto do corpus, o conceito aparece como um problema metodológico relevante em tarefas de classificação de phishing, sendo mitigado pelo uso de macroaveraging, técnica que pondera igualmente todas as classes independentemente de sua frequência, evitando que métricas de desempenho sejam dominadas pela classe majoritária.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"detecção de phishing","id":"detecção_de_phishing","definicao":"Processo ou conjunto de métodos voltados à identificação automatizada de tentativas de phishing em mensagens, URLs ou outros vetores digitais. No corpus, o conceito aparece como alvo de técnicas que o dificultam — como codificação de URL, spoofing e uso de identificadores numéricos gerados artificialmente — e como domínio de aplicação de abordagens computacionais, incluindo modelos de linguagem como DistilRoBERTa e representações estatísticas como TF-IDF. A detecção de phishing por e-mail é tratada como subtipo, indicando que o conceito abrange múltiplos canais e modalidades de ataque. O foco observado é na discriminação automatizada entre conteúdo legítimo e malicioso.","topico":"Detecção_de_Ameaças","aspecto":"Analítico","zonas":{"Contexto Prévio":2,"Método":2,"Objeto":1,"Resultado":1},"n_relacoes":6,"n_trechos":6,"pagerank":0.0083,"artigos":["g0066_phishing","g0293_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"detecção de phishing baseada em conteúdo","id":"detecção_de_phishing_baseada_em_conteúdo","definicao":"Abordagem de detecção de phishing que opera sobre o conteúdo das mensagens, utilizando características léxicas e semânticas do texto e pistas de persuasão como insumos analíticos para identificar tentativas maliciosas. Distingue-se de métodos baseados em listas negras ou heurísticas estruturais por centrar a análise no que é comunicado e em como os elementos linguísticos e retóricos são empregados para manipular o destinatário.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00527,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"detecção de phishing baseada em transformer","id":"detecção_de_phishing_baseada_em_transformer","definicao":"Abordagem de detecção de phishing que utiliza arquiteturas baseadas em transformers, especialmente modelos de linguagem pré-treinados, para identificar mensagens ou páginas maliciosas. No corpus, o conceito aparece exclusivamente por meio de sua relação de uso com modelos de linguagem pré-treinados, indicando que a detecção é operacionalizada pelo aproveitamento de representações semânticas aprendidas em larga escala por esses modelos, aplicadas à tarefa de classificação de phishing.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"detecção de phishing por e-mail","id":"detecção_de_phishing_por_e-mail","definicao":"Modalidade específica de detecção de phishing voltada para mensagens de correio eletrônico, operacionalizada no corpus por meio de arquiteturas transformer aplicadas à análise do conteúdo e características dos e-mails. Constitui uma especialização do conceito mais amplo de detecção de phishing, delimitada pelo canal de comunicação (e-mail) e pelo conjunto de técnicas de aprendizado de máquina empregadas para identificar mensagens maliciosas nesse meio.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00298,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"detecção operacional de phishing","id":"detecção_operacional_de_phishing","definicao":"Processo ou capacidade de identificar ataques de phishing em contexto operacional real, distinguindo-se de avaliações experimentais ou laboratoriais. No corpus, o conceito aparece como objeto de mensuração de métricas agregadas, sugerindo que se refere à eficácia prática de sistemas ou procedimentos de detecção implantados em ambientes de produção, onde o desempenho é avaliado por indicadores consolidados de desempenho.","topico":"Detecção_de_Phishing","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00278,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"dinheiro","id":"dinheiro","definicao":"Recurso financeiro obtido como resultado de ataques de phishing ou engenharia social. No corpus, aparece como objetivo final de ataques por e-mail e de técnicas de engenharia social, representando o ganho monetário direto buscado pelo atacante. Não há ocorrências diretas no corpus codificado, sendo inferido exclusivamente pelas relações observadas com outros conceitos.","topico":"Motivação_e_Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Resultado":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00286,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"distilroberta","id":"distilroberta","definicao":"Modelo de linguagem baseado em arquitetura Transformer, derivado do RoBERTa por meio de destilação de conhecimento, utilizado no corpus para tarefas de detecção de phishing. Apresenta desempenho superior ao TF-IDF em métricas como macro-F1 composto, sendo empregado como classificador de texto que se beneficia de representações contextuais aprendidas durante o pré-treinamento com a abordagem RoBERTa.","topico":"Modelos_de_Linguagem","aspecto":"Formativo","zonas":{"Resultado":4,"Método":2,"Contexto Prévio":1,"Conclusão":1},"n_relacoes":6,"n_trechos":8,"pagerank":0.00687,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"divergência fora da distribuição","id":"divergência_fora_da_distribuição","definicao":"Fenômeno em que um modelo de aprendizado de máquina, ao ser exposto a dados que diferem significativamente da distribuição utilizada em seu treinamento, apresenta degradação de desempenho ou comportamento inesperado. No corpus, o conceito aparece como consequência do aprendizado de atalho: quando o modelo aprende padrões superficiais ou espúrios em vez de características genuínas, torna-se vulnerável a falhas ao encontrar exemplos fora da distribuição original, comprometendo a capacidade de generalização na detecção de phishing.","topico":"Robustez_de_Modelos","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"diversidade de fonte de e-mail","id":"diversidade_de_fonte_de_e-mail","definicao":"Variedade ou heterogeneidade das origens (remetentes, domínios, servidores) dos e-mails utilizados em um conjunto de dados ou experimento. No corpus, o conceito aparece como fator que influencia o desempenho em cenários family-disjoint, sugerindo que a amplitude de fontes distintas de e-mail afeta a capacidade de generalização de modelos de detecção quando testados em famílias de phishing não vistas durante o treinamento. A definição baseia-se exclusivamente nas relações observadas, uma vez que não há trechos diretos associados ao código.","topico":"Características_de_Conjuntos_de_Dados","aspecto":"Analítico","zonas":{"Resultado":1,"Objetivo":1},"n_relacoes":1,"n_trechos":2,"pagerank":0.00202,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"diversidade de fontes","id":"diversidade_de_fontes","definicao":"Variedade de origens ou canais a partir dos quais informações, dados ou mensagens são obtidos em um contexto de análise ou ataque de phishing. No corpus, o conceito aparece associado à sua influência sobre a resistência a fontes, sugerindo que a multiplicidade de origens pode afetar a capacidade de um sistema ou indivíduo de discriminar ou rejeitar fontes não confiáveis. A definição baseia-se exclusivamente na relação observada, sem ocorrências diretas no corpus.","topico":"Coleta_de_Dados","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00202,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"diversidade de fontes independentes","id":"diversidade_de_fontes_independentes","definicao":"Grau em que múltiplas fontes de informação ou sinais utilizados em um sistema de detecção são independentes entre si, ou seja, não compartilham os mesmos erros, vieses ou padrões de falha. No corpus, o conceito aparece como fator intermediário entre a ponderação hierárquica das fontes e o desempenho final de detecção, sugerindo que a independência entre as fontes contribui para a eficácia do sistema ao reduzir redundâncias e ampliar a cobertura de padrões detectáveis.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Conclusão":1,"Lacuna":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00303,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"dns spoofing","id":"dns_spoofing","definicao":"Técnica de ataque em que registros DNS são falsificados ou corrompidos para redirecionar usuários a servidores maliciosos, sendo referenciada no corpus como um dos mecanismos de infraestrutura utilizados em ataques de phishing para desviar tráfego legítimo sem que a vítima perceba a adulteração do endereçamento.","topico":"Infraestrutura_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"documentação de dataset","id":"documentação_de_dataset","definicao":"Registro formal das características, composição e procedimentos associados a um conjunto de dados utilizado em pesquisa sobre phishing, incluindo informações sobre origem, tamanho, critérios de seleção e pré-processamento. No corpus, aparece como prática que possibilita a transparência de composição, permitindo que outros pesquisadores compreendam e avaliem a adequação dos dados empregados nos estudos.","topico":"Metodologia_de_Pesquisa","aspecto":"Analítico","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"e-mail de spam","id":"e-mail_de_spam","definicao":"Mensagem de correio eletrônico não solicitada que, no contexto do corpus, é associada ao uso de links maliciosos como vetor de ataque. Embora o conceito apareça sem ocorrências diretas no corpus analisado, sua relação observada com link_malicioso indica que é tratado como categoria de mensagem indesejada que serve de meio de distribuição de conteúdo potencialmente prejudicial, distinguindo-se do phishing por não necessariamente envolver engenharia social direcionada à coleta de credenciais.","topico":"Vetores_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00201,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"e-mail falsificado","id":"e-mail_falsificado","definicao":"Mensagem de correio eletrônico cujos campos de identificação do remetente (como 'From', 'Reply-To' ou domínio) foram manipulados para aparentar origem legítima ou confiável, sendo utilizada como vetor primário em ataques de phishing. No corpus, o conceito aparece como instrumento técnico do phishing, representando a falsificação da identidade do emissor para enganar o destinatário.","topico":"Vetores_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"e-mail legítimo","id":"e-mail_legítimo","definicao":"Mensagem de correio eletrônico autêntica, enviada por remetentes genuínos e com conteúdo verdadeiro, que serve como referência ou modelo implícito para a construção de mensagens de phishing. No corpus, o conceito aparece exclusivamente como objeto de imitação: ataques de phishing buscam reproduzir a aparência, o estilo e os elementos estruturais de e-mails legítimos para enganar os destinatários. Não há ocorrências diretas que descrevam propriedades intrínsecas do e-mail legítimo além de seu papel como alvo de falsificação.","topico":"Comunicação_por_E-mail","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ecossistema de segurança integrado","id":"ecossistema_de_segurança_integrado","definicao":"Conjunto articulado de mecanismos, ferramentas e práticas de segurança que atuam de forma coordenada para reduzir a eficácia de ataques de engenharia social. O conceito aparece no corpus apenas por inferência relacional, sem trechos diretos que detalhem sua composição ou operacionalização, sendo definido funcionalmente pela relação de mitigação que exerce sobre a engenharia social.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"educação do usuário","id":"educação_do_usuário","definicao":"Conjunto de iniciativas voltadas a capacitar usuários para reconhecer e resistir a ataques de phishing e engenharia social. No corpus, o conceito aparece exclusivamente por meio de relações de mitigação com engenharia_social, indicando que sua função central é reduzir a eficácia de técnicas de manipulação humana empregadas em ataques. Não há trechos diretos que detalhem formatos, conteúdos ou métodos específicos dessas iniciativas educacionais.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Lacuna":2},"n_relacoes":1,"n_trechos":2,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"empresa","id":"empresa","definicao":"Organização ou entidade corporativa que é imitada em ataques de phishing. No corpus, o conceito aparece como alvo de imitação por parte de atacantes, que reproduzem a identidade visual, o nome ou a comunicação de empresas legítimas para enganar vítimas. A relação observada posiciona a empresa como objeto de falsificação de identidade, não como agente ativo do ataque.","topico":"Identidade_e_Representação","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"engenharia social","id":"engenharia_social","definicao":"Conjunto de técnicas de manipulação psicológica e comportamental direcionadas a pessoas, com o objetivo de obter informações sensíveis ou induzir ações que comprometam a segurança. No corpus, aparece como categoria ampla que engloba ataques como phishing, spear phishing, vishing, pretexting e baiting, todos tratados como tipos ou usos de engenharia social. Explora vulnerabilidades humanas como medo e contextos como trabalho remoto, podendo ser potencializada por inteligência artificial e deepfakes. Distingue-se de ataques puramente técnicos por centrar-se na exploração do fator humano, e é mitigada por educação do usuário.","topico":"Ataques_de_Phishing","aspecto":"Social","zonas":{"Objeto":17,"Contexto Prévio":10,"Recomendação":10,"Conclusão":4,"Resultado":3,"Lacuna":2},"n_relacoes":42,"n_trechos":46,"pagerank":0.05612,"artigos":["g0066_phishing","g0293_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"entidade confiável","id":"entidade_confiável","definicao":"Organização, instituição ou pessoa legítima cuja identidade é falsificada ou imitada em ataques de phishing para conferir aparência de autenticidade às mensagens fraudulentas. No corpus, o conceito aparece como alvo de imitação pelo phishing, funcionando como referência de credibilidade explorada pelo atacante para enganar vítimas.","topico":"Engano_e_Falsificação","aspecto":"Pístico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"erro de calibração esperado","id":"erro_de_calibração_esperado","definicao":"Métrica quantitativa utilizada para avaliar a calibração de modelos preditivos, mensurando a discrepância esperada entre as probabilidades estimadas pelo modelo e as frequências reais de ocorrência dos eventos. No contexto do corpus, aparece como medida associada à avaliação da qualidade probabilística de modelos de detecção, indicando o grau em que as saídas de confiança do modelo refletem com precisão as taxas reais de acerto ou erro.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"erro de classificação de phishing","id":"erro_de_classificação_de_phishing","definicao":"Falha cometida por um sistema ou modelo ao categorizar incorretamente uma mensagem ou URL, atribuindo-lhe uma classe errada (por exemplo, classificar phishing como legítimo ou vice-versa). No corpus, o conceito aparece como alvo de mitigação pela classificação seletiva, indicando que estratégias de seleção criteriosa de instâncias ou decisões de classificação buscam reduzir a ocorrência desse tipo de erro. Abrange tanto falsos negativos (phishing não detectado) quanto falsos positivos (conteúdo legítimo marcado como phishing), sendo tratado como um problema de desempenho de sistemas de detecção automatizada.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0025,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"erro de classificação severo","id":"erro_de_classificação_severo","definicao":"Erro de classificação de alta gravidade em sistemas de detecção de phishing, caracterizado pela identificação incorreta de mensagens ou URLs de phishing como legítimas. Representa o tipo de falha mais crítico em detectores automatizados, pois permite que ataques passem despercebidos pelo sistema de defesa. É operacionalizado e mensurado pela taxa de phishing classificado como legítimo (taxa_phishing_para_legítimo), sendo essa métrica sua principal forma de quantificação no corpus.","topico":"Desempenho_de_Detecção","aspecto":"Analítico","zonas":{"Método":1,"Conclusão":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00422,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"erro humano","id":"erro_humano","definicao":"Falha ou equívoco cometido por um indivíduo no contexto de segurança da informação, resultante de limitações cognitivas, falta de atenção, conhecimento insuficiente ou suscetibilidade a manipulação. No corpus, o conceito aparece como fator causal de incidentes de cibersegurança, indicando que ações ou omissões humanas inadequadas contribuem para a ocorrência de ataques bem-sucedidos, como o phishing. A relação com incidente_de_cibersegurança posiciona o erro humano como um vetor de vulnerabilidade que antecede ou viabiliza o comprometimento de sistemas e dados.","topico":"Fatores_Humanos_em_Segurança","aspecto":"Sensitivo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00278,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"erro severo de classificação","id":"erro_severo_de_classificação","definicao":"Erro de classificação considerado de alta gravidade em sistemas de detecção de phishing, operacionalizado no corpus pela taxa de phishing classificado como legítimo (falso negativo). Representa a falha em que mensagens maliciosas passam despercebidas pelo sistema, sendo tratadas como inofensivas, o que expõe os usuários a ataques reais. A severidade é atribuída ao impacto potencial desse tipo de erro em comparação com o erro inverso (classificar legítimo como phishing).","topico":"Desempenho_de_Classificação","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"exclusão de dados","id":"exclusão_de_dados","definicao":"Processo de remoção de instâncias ou registros de um conjunto de dados utilizado no treinamento de modelos de detecção de phishing, empregado como medida para reduzir ou eliminar a contaminação introduzida por amostras incorretas, maliciosas ou enviesadas. No corpus, o conceito aparece exclusivamente na relação de mitigação com a contaminação do conjunto de treinamento, indicando seu papel como contramedida voltada à integridade dos dados de aprendizado de máquina.","topico":"Qualidade_de_Dados","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"executivos","id":"executivos","definicao":"Indivíduos que ocupam posições de alta hierarquia em organizações, referenciados no corpus como alvos de ataques de phishing direcionado (spear phishing ou whaling). A relação observada indica que executivos são visados por campanhas de phishing, possivelmente em razão de seu acesso privilegiado a informações sensíveis e recursos organizacionais.","topico":"Alvos_de_Ataque","aspecto":"Social","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"exploração de engenharia social","id":"exploração_de_engenharia_social","definicao":"Uso de técnicas de manipulação psicológica e social para enganar indivíduos e obter informações confidenciais, acesso não autorizado ou ações prejudiciais. No corpus, o conceito aparece associado a ambientes imersivos como realidade virtual e metaverso, que são apontados como contextos que possibilitam ou ampliam a ocorrência dessas explorações, sugerindo que tais ambientes criam condições favoráveis para a aplicação de táticas de engenharia social contra usuários.","topico":"Engenharia_Social","aspecto":"Social","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00527,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"exposição a malware","id":"exposição_a_malware","definicao":"Condição em que um usuário ou sistema é submetido a software malicioso como consequência de uma ação de engenharia social, particularmente de ataques de isca (baiting). No corpus, o conceito aparece exclusivamente como efeito causal do baiting, representando o resultado de o alvo interagir com mídia ou conteúdo armadilhado que instala ou executa código malicioso no dispositivo da vítima.","topico":"Impactos_de_Ataques","aspecto":"Físico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.002,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"exposição de informação pessoal","id":"exposição_de_informação_pessoal","definicao":"Divulgação não autorizada ou comprometimento de dados pessoais de um indivíduo como resultado de um ataque de phishing. No corpus, o conceito aparece como consequência direta do phishing, representando o dano informacional sofrido pela vítima quando credenciais, dados financeiros ou outras informações sensíveis são capturadas pelo atacante.","topico":"Impacto_do_Phishing","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"extração de dados","id":"extração_de_dados","definicao":"Processo de coleta e recuperação de informações sensíveis ou relevantes a partir de sistemas, dispositivos ou usuários, utilizado no contexto de phishing automatizado como finalidade ou etapa do ataque. No corpus, o conceito aparece como objetivo operacional de campanhas de phishing, referindo-se à obtenção de dados como credenciais, informações pessoais ou financeiras por meio de técnicas automatizadas.","topico":"Objetivos_de_Ataque","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00182,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"falhas de segurança computacional","id":"falhas_de_segurança_computacional","definicao":"Vulnerabilidades ou brechas em sistemas computacionais que podem ser exploradas por atacantes, frequentemente em combinação com técnicas de engenharia social, para comprometer a segurança de usuários e organizações. No corpus, o conceito aparece como efeito ou consequência potencial de ataques de phishing e manipulação social, representando o ponto de falha técnica que viabiliza ou amplifica o sucesso de ataques cibernéticos.","topico":"Segurança_Computacional","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"fator humano","id":"fator_humano","definicao":"Conjunto de características, comportamentos e limitações humanas que influenciam a segurança de sistemas e a suscetibilidade a ataques de phishing. No corpus, o conceito aparece em relação à vulnerabilidade de senha, indicando que aspectos ligados ao comportamento humano — como escolhas inadequadas de credenciais, descuido ou falta de conscientização — contribuem para a exposição a riscos de segurança. O fator humano é tratado como elemento que medeia ou amplifica vulnerabilidades técnicas por meio de decisões e ações dos usuários.","topico":"Comportamento_Humano_em_Segurança","aspecto":"Sensitivo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ferramenta de apoio à decisão","id":"ferramenta_de_apoio_à_decisão","definicao":"Recurso ou sistema projetado para auxiliar usuários ou organizações na tomada de decisões relacionadas à identificação e resposta a ameaças de phishing, atuando como mecanismo de mitigação ao fornecer suporte informacional ou analítico que reduz a vulnerabilidade a ataques. No corpus, o conceito aparece exclusivamente na relação de mitigação com phishing, sem detalhamento de suas características internas ou formas de operacionalização.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"filtragem de e-mail","id":"filtragem_de_e-mail","definicao":"Mecanismo de defesa aplicado ao canal de e-mail com o objetivo de mitigar ataques de phishing, atuando sobre as mensagens recebidas para identificar e bloquear ou segregar aquelas com características maliciosas antes que cheguem ao destinatário. No corpus, o conceito aparece exclusivamente na relação de mitigação em relação ao phishing por e-mail, sem detalhamento dos critérios técnicos ou métodos específicos de filtragem empregados.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00166,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"fluxo de governança e avaliação","id":"fluxo_de_governança_e_avaliação","definicao":"Processo estruturado de supervisão, controle e avaliação de sistemas ou fluxos de trabalho relacionados à detecção e resposta a phishing, inferido a partir de sua relação de tipo com o conceito central do corpus. Abrange as etapas e mecanismos pelos quais decisões sobre classificação, validação e gestão de ameaças são organizadas e monitoradas dentro de um framework ou pipeline de segurança.","topico":"Gestão_de_Segurança","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00198,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"fonte confiável","id":"fonte_confiável","definicao":"Entidade — pessoa, organização, instituição ou serviço — cuja identidade é percebida como legítima e digna de crédito pelo destinatário de uma comunicação. No corpus, o conceito aparece como alvo de imitação em ataques de phishing: o atacante forja ou simula a identidade de uma fonte confiável para induzir o destinatário a cumprir solicitações fraudulentas. A confiabilidade percebida é o atributo central explorado, não a confiabilidade real da entidade.","topico":"Engenharia_Social","aspecto":"Pístico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"fontes candidatas de substituição","id":"fontes_candidatas_de_substituição","definicao":"Conjunto de fontes de dados alternativas consideradas para substituir ou complementar uma fonte primária no contexto de governança de dados em sistemas de detecção ou análise de phishing. O conceito aparece associado a critérios de governança de dados, sugerindo que a seleção dessas fontes envolve avaliação segundo padrões de qualidade, confiabilidade ou conformidade. A ausência de ocorrências diretas no corpus limita a caracterização detalhada, mas a relação observada indica que o conceito opera no âmbito do planejamento e gestão de fontes de informação.","topico":"Governança_de_Dados","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"fraude online","id":"fraude_online","definicao":"Atividade criminosa realizada em ambiente digital na qual indivíduos são enganados ou manipulados com o objetivo de obter ganhos ilícitos, como roubo de credenciais, dados financeiros ou dinheiro. No corpus, o conceito aparece como consequência ou categoria mais ampla da qual o phishing é uma forma específica, situando o phishing dentro do espectro de crimes e golpes perpetrados pela internet.","topico":"Crimes_Digitais","aspecto":"Econômico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"funcionário interno","id":"funcionário_interno","definicao":"Membro da organização-alvo cujo papel, identidade ou autoridade é falsificado em mensagens de phishing para conferir legitimidade ao ataque. No corpus, o conceito aparece exclusivamente como alvo de imitação em campanhas de phishing por e-mail, em que o remetente se passa por um colega, superior ou colaborador interno para aumentar a credibilidade da mensagem e induzir a vítima a executar ações maliciosas.","topico":"Engenharia_Social","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00166,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"generalização do modelo","id":"generalização_do_modelo","definicao":"Capacidade de um modelo treinado de manter desempenho satisfatório quando aplicado a dados não vistos durante o treinamento, especialmente dados provenientes de fontes externas e independentes. No corpus, o conceito é operacionalizado por meio da avaliação em conjuntos de teste externos independentes, que servem como instrumento de medição dessa capacidade de transferência do modelo para contextos distintos dos utilizados no desenvolvimento.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"hiperlink infectado","id":"hiperlink_infectado","definicao":"Hiperlink presente em mensagens de phishing que direciona a vítima para um destino malicioso, como uma página falsa de coleta de credenciais ou um servidor de distribuição de malware. No corpus, o conceito aparece como componente técnico central do vetor de ataque de phishing, sendo o mecanismo pelo qual a mensagem fraudulenta concretiza o redirecionamento da vítima para o ambiente controlado pelo atacante.","topico":"Vetor_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"identidade de usuário","id":"identidade_de_usuário","definicao":"Conjunto de atributos e características que identificam um usuário em ambientes digitais, como nome, aparência, voz ou credenciais. No corpus, o conceito aparece como alvo de imitação por tecnologias de deepfake, que reproduzem ou falsificam esses atributos para enganar terceiros, tornando a identidade do usuário um objeto de falsificação em ataques de phishing avançados.","topico":"Identidade_Digital","aspecto":"Estético","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00278,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"identidade legítima","id":"identidade_legítima","definicao":"Identidade de uma entidade genuína — organização, marca, instituição ou indivíduo — que é falsificada ou imitada em ataques de phishing. No corpus, o conceito aparece como o alvo da operação de imitação: o phishing se caracteriza precisamente por se passar por essa identidade para enganar vítimas. A identidade legítima funciona, portanto, como o referente autêntico que o atacante toma emprestado para conferir aparência de credibilidade à comunicação fraudulenta.","topico":"Engano_e_Falsificação","aspecto":"Estético","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"identificador numérico gerado artificialmente","id":"identificador_numérico_gerado_artificialmente","definicao":"Identificador composto exclusivamente por dígitos numéricos gerado de forma artificial ou sintética, sem correspondência a entidades legítimas preexistentes. No contexto de phishing, refere-se a sequências numéricas fabricadas — como números de telefone, CPF, CNPJ, códigos de rastreamento ou identificadores de transação — inseridas em mensagens fraudulentas para conferir aparência de autenticidade e dificultar a detecção automatizada de conteúdo malicioso.","topico":"Técnicas_de_Evasão","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00172,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"imitação","id":"imitação","definicao":"Prática de se passar por uma entidade legítima — pessoa, organização ou marca — para enganar a vítima e obter informações ou ações desejadas. No corpus, aparece como componente constitutivo do spear phishing, indicando que a representação fraudulenta de identidade é um elemento estrutural desse tipo de ataque direcionado.","topico":"Técnicas_de_Engano","aspecto":"Estético","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00172,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"implantação de modelo não validado","id":"implantação_de_modelo_não_validado","definicao":"Prática de colocar em produção ou uso operacional um modelo de detecção ou classificação sem que este tenha passado por processo formal de validação de desempenho, robustez ou adequação ao contexto de aplicação. No corpus, o conceito aparece como risco a ser mitigado por mecanismos de revisão de governança, indicando que sua ocorrência representa uma falha de processo que pode comprometer a confiabilidade e a segurança dos sistemas de detecção de phishing.","topico":"Governança_de_Modelos","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"incidente de cibersegurança","id":"incidente_de_cibersegurança","definicao":"Evento de segurança digital que resulta em comprometimento, violação ou dano a sistemas, dados ou infraestruturas de tecnologia da informação. No corpus, o conceito aparece como efeito potencial de erros humanos e como alvo de planos de resposta estruturados, posicionando-o como consequência operacional de falhas comportamentais e objeto de estratégias de mitigação organizacional.","topico":"Segurança_da_Informação","aspecto":"Físico","zonas":{"Contexto Prévio":1,"Recomendação":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00527,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"indicadores de spam","id":"indicadores_de_spam","definicao":"Sinais ou características presentes em mensagens eletrônicas que indicam a natureza indesejada ou maliciosa do conteúdo, utilizados como critério de medição ou identificação de phishing. No corpus, o conceito aparece em relação de medição com phishing, sugerindo que tais indicadores funcionam como métricas ou atributos observáveis que quantificam ou sinalizam a presença de atividade de phishing em mensagens.","topico":"Detecção_de_Phishing","aspecto":"Quantitativo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"indivíduos específicos","id":"indivíduos_específicos","definicao":"Pessoas ou alvos determinados que são objeto de ataques de spear phishing, em contraste com alvos genéricos ou em massa. No corpus, o conceito aparece exclusivamente como destino intencional do spear phishing, caracterizando a seletividade e personalização do ataque em direção a um receptor identificado e escolhido deliberadamente pelo atacante.","topico":"Alvos_de_Ataque","aspecto":"Social","zonas":{"Contexto Prévio":1,"Objeto":1},"n_relacoes":1,"n_trechos":2,"pagerank":0.00172,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"informação da vítima","id":"informação_da_vítima","definicao":"Dados pessoais, credenciais ou informações sensíveis pertencentes ao alvo de um ataque, obtidos por meio de phishing por e-mail ou malware. No corpus, o conceito aparece como objeto de extração por parte de vetores de ataque, representando o resultado final da ação maliciosa sobre o indivíduo visado.","topico":"Impacto_do_Ataque","aspecto":"Lingual","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00277,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"informação pessoal","id":"informação_pessoal","definicao":"Dados de identificação ou credenciais pertencentes a indivíduos que constituem o objetivo de extração em ataques de phishing, vishing e pretexting. No corpus, o conceito aparece exclusivamente como alvo ou resultado obtido por técnicas de engenharia social e comunicação fraudulenta, sem distinção explícita entre categorias de dados (financeiros, de acesso, demográficos). Sua relevância é definida pela posição de objeto nas cadeias de obtenção ilícita, não por propriedades intrínsecas dos dados.","topico":"Alvos_e_Impactos_de_Ataques","aspecto":"Lingual","zonas":{"Objeto":4},"n_relacoes":3,"n_trechos":4,"pagerank":0.00402,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"informação privada","id":"informação_privada","definicao":"Dados pessoais ou confidenciais que constituem o objetivo de obtenção em ataques de phishing. No corpus, o conceito aparece como o alvo que o phishing busca capturar, posicionando-se como o recurso cobiçado pelo atacante ao final do processo de engano. A relação observada indica que o phishing opera como mecanismo de extração desse tipo de informação, sem que o corpus forneça detalhes adicionais sobre categorias específicas ou formas de operacionalização.","topico":"Alvos_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":2},"n_relacoes":1,"n_trechos":2,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"informação sensível","id":"informação_sensível","definicao":"Dados de caráter privado ou confidencial que constituem o alvo de obtenção em ataques de phishing, engenharia social, spear phishing e malware. No corpus, o conceito aparece consistentemente como objeto das relações de obtenção dessas ameaças, abrangendo credenciais de acesso, informações financeiras, dados pessoais identificáveis e outros dados cuja exposição não autorizada representa prejuízo ao titular. O conceito define o que é buscado pelo atacante, funcionando como motivador e critério de sucesso do ataque.","topico":"Dados_e_Privacidade","aspecto":"Lingual","zonas":{"Objeto":5,"Contexto Prévio":1},"n_relacoes":4,"n_trechos":6,"pagerank":0.00522,"artigos":["g0066_phishing","g0293_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"informações da vítima","id":"informações_da_vítima","definicao":"Dados pessoais, credenciais ou informações sensíveis obtidos de uma vítima durante um ataque de phishing, especialmente no contexto de spear phishing. No corpus, o conceito aparece como resultado da ação do atacante sobre a vítima e, simultaneamente, como insumo que viabiliza o comprometimento de novas vítimas, sugerindo um papel intermediário em cadeias de ataque progressivas.","topico":"Dados_da_Vítima","aspecto":"Lingual","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00342,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"instalação de malware","id":"instalação_de_malware","definicao":"Processo pelo qual um software malicioso é implantado no dispositivo da vítima como consequência de um ataque de phishing, particularmente por meio de ataques de um clique. No corpus, aparece como resultado direto de interações maliciosas e pode ser mitigado pelo uso de navegadores atualizados, que reduzem vulnerabilidades exploráveis nesse processo.","topico":"Ataques_e_Exploração","aspecto":"Formativo","zonas":{"Contexto Prévio":1,"Resultado":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.0038,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"instituição financeira","id":"instituição_financeira","definicao":"Organização do setor financeiro (bancos, cooperativas de crédito, operadoras de cartão, entre outras) que figura no corpus como alvo recorrente de ataques de phishing e como entidade cuja identidade, marca ou comunicação oficial é imitada pelos atacantes para conferir credibilidade às mensagens fraudulentas. As relações observadas indicam dois papéis complementares: ser o objeto visado pelo ataque (VISA) e ser a entidade cuja aparência é falsificada (IMITA), sugerindo que a instituição financeira é simultaneamente vítima institucional e vetor de legitimação explorado pelo phisher.","topico":"Alvos_De_Phishing","aspecto":"Social","zonas":{"Objeto":4,"Contexto Prévio":1},"n_relacoes":3,"n_trechos":5,"pagerank":0.00286,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"inteligência artificial","id":"inteligência_artificial","definicao":"Conjunto de técnicas e sistemas computacionais capazes de realizar tarefas que normalmente requerem inteligência humana, como geração de linguagem natural, reconhecimento de padrões e tomada de decisão automatizada. No corpus, o conceito aparece principalmente como ferramenta utilizada pela engenharia social para potencializar ataques de phishing, permitindo a criação automatizada de mensagens convincentes, personalização em escala e sofisticação crescente das táticas de manipulação.","topico":"Tecnologia_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"intervalo de confiança","id":"intervalo_de_confiança","definicao":"Intervalo estatístico que expressa a incerteza em torno de uma estimativa pontual, utilizado no corpus para quantificar a precisão de métricas de desempenho de modelos ou sistemas, como a adequação para implantação. Indica o intervalo dentro do qual o valor verdadeiro de uma medida se encontra com determinado nível de confiança, permitindo avaliar a confiabilidade dos resultados obtidos.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0023,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"isca","id":"isca","definicao":"Elemento ou conteúdo utilizado em ataques de phishing para atrair a vítima e induzi-la a realizar uma ação desejada pelo atacante, como clicar em um link malicioso ou fornecer credenciais. No corpus, o conceito aparece como componente constitutivo do spear_phishing, sugerindo que a isca é uma parte integrante da estrutura do ataque, especificamente elaborada para enganar o alvo. A relação observada é estrutural (PARTE_DE), indicando que a isca não é o ataque em si, mas um elemento que o compõe.","topico":"Técnicas_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00172,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"javascript","id":"javascript","definicao":"JavaScript é uma linguagem de programação de scripts amplamente utilizada no contexto de ataques de phishing, referenciada no corpus como componente técnico empregado em páginas e kits de phishing para implementar comportamentos maliciosos, como redirecionamentos, coleta de credenciais e evasão de detecção. Sua presença em páginas fraudulentas é um indicador técnico relevante para sistemas de detecção automatizada de phishing.","topico":"Infraestrutura_Técnica_de_Phishing","aspecto":"Físico","zonas":{"Objeto":2},"n_relacoes":1,"n_trechos":2,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"kappa de cohen","id":"kappa_de_cohen","definicao":"Estatística utilizada para medir o grau de concordância entre anotadores em tarefas de classificação ou rotulagem, descontando a concordância esperada pelo acaso. No corpus, aparece em contraste com o AC1 de Gwet, sugerindo que ambos são métricas de confiabilidade inter-anotador, mas com diferentes abordagens para o cálculo da concordância esperada. O kappa de Cohen é referenciado como medida padrão de concordância entre anotadores em processos de anotação de dados.","topico":"Avaliação_de_Confiabilidade","aspecto":"Quantitativo","zonas":{"Resultado":1,"Método":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"kit de phishing","id":"kit_de_phishing","definicao":"Conjunto de ferramentas e recursos pré-empacotados que possibilita a execução de ataques de phishing, incluindo tipicamente páginas web falsas, scripts e outros componentes necessários para clonar sites legítimos e capturar credenciais de vítimas. No corpus, o conceito aparece como elemento facilitador da cadeia de ataque, estabelecendo relação de possibilitação com o phishing em geral.","topico":"Infraestrutura_de_Ataque","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"legislação sobre engenharia social","id":"legislação_sobre_engenharia_social","definicao":"Conjunto de normas legais e regulatórias que tratam especificamente de práticas de engenharia social, como phishing e manipulação psicológica para obtenção de informações ou acesso não autorizado. No corpus, o conceito aparece em contraste com a cooperação internacional em cibercrime, sugerindo que a legislação nacional sobre engenharia social é percebida como fragmentada ou insuficiente quando confrontada com a natureza transfronteiriça dos ataques, evidenciando tensão entre marcos jurídicos locais e a necessidade de coordenação global para combate efetivo a essas práticas.","topico":"Regulação_e_Governança_de_Cibersegurança","aspecto":"Jurídico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"limiar de segurança","id":"limiar_de_segurança","definicao":"Valor de corte ou critério mínimo de desempenho que um modelo de detecção de phishing deve atingir para ser considerado adequado para implantação. Atua como barreira de aprovação: modelos que não alcançam o limiar são bloqueados de avançar para uso em produção ou exigem ajustes adicionais antes de nova avaliação. Sua função no corpus é essencialmente restritiva e regulatória em relação ao ciclo de desenvolvimento de modelos.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":2,"Conclusão":1,"Resultado":1},"n_relacoes":3,"n_trechos":4,"pagerank":0.00582,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"link malicioso","id":"link_malicioso","definicao":"Hiperlink incorporado em mensagens de phishing ou spam que direciona o destinatário a um recurso malicioso, como uma página falsa de coleta de credenciais ou um site de distribuição de malware. No corpus, aparece como componente funcional central tanto de e-mails de spam quanto de ataques de phishing em geral, sendo o vetor pelo qual a vítima é conduzida do canal de comunicação ao ambiente controlado pelo atacante.","topico":"Vetores_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":3},"n_relacoes":2,"n_trechos":3,"pagerank":0.00345,"artigos":["g0066_phishing","g0293_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"macro-f1","id":"macro-f1","definicao":"Média não ponderada dos valores de F1-score calculados por classe, utilizada para avaliar o desempenho global de modelos de detecção de phishing em cenários multiclasse. Por tratar todas as classes com peso igual independentemente de sua frequência no conjunto de dados, a macro-F1 é especialmente relevante quando se deseja avaliar o desempenho do modelo de forma equilibrada entre classes majoritárias e minoritárias. No corpus, aparece como métrica de avaliação associada ao desempenho de detecção.","topico":"Métricas_de_Avaliação","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00175,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"macro-f1 agregado","id":"macro-f1_agregado","definicao":"Métrica de avaliação de modelos de classificação que representa a média aritmética dos valores de F1-score calculados individualmente para cada classe do problema (phishing e legítimo), sem ponderação pelo número de instâncias por classe. No corpus, é utilizada para medir o desempenho geral de sistemas de detecção de phishing, sendo sensível ao equilíbrio entre precisão e recall em todas as classes. Aparece associada ao recall de phishing e é influenciada por técnicas de augmentação de dados, indicando seu uso como critério de comparação entre configurações experimentais de modelos.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Método":2,"Objetivo":2},"n_relacoes":3,"n_trechos":4,"pagerank":0.00445,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"macro-f1 composto","id":"macro-f1_composto","definicao":"Métrica de avaliação de desempenho de modelos de classificação que combina precisão e recall em uma média harmônica calculada de forma macro (ponderação igual entre classes), aplicada no contexto de detecção de phishing para medir o desempenho geral do sistema considerando todas as classes de forma equilibrada. No corpus, contrasta com phishing_recall (que foca especificamente na taxa de detecção de phishing) e com macro-f1_interno (variante calculada em escopo diferente), sendo influenciado por estratégias de balanceamento hierárquico e pelo modelo DistilRoBERTa. Serve como indicador agregado da segurança de detecção de phishing, capturando o equilíbrio entre não perder ataques e não gerar falsos alarmes em múltiplas classes.","topico":"Métricas_de_Avaliação","aspecto":"Quantitativo","zonas":{"Resultado":3,"Conclusão":2,"Lacuna":1},"n_relacoes":5,"n_trechos":6,"pagerank":0.007,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"macro-f1 interno","id":"macro-f1_interno","definicao":"Variante da métrica Macro-F1 calculada de forma interna a um sistema ou experimento, em contraste com o Macro-F1 composto. No corpus, o conceito aparece apenas por meio de relação de contraste com o macro-f1_composto, sem trechos diretos que detalhem sua operacionalização; infere-se que representa a média não ponderada dos F1-scores por classe obtida dentro de um único modelo ou configuração experimental, distinguindo-se de versões compostas que agregam resultados de múltiplos componentes ou etapas.","topico":"Métricas_de_Avaliação","aspecto":"Quantitativo","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"macroaveraging","id":"macroaveraging","definicao":"Técnica de agregação de métricas de avaliação em que o desempenho é calculado independentemente para cada classe e, em seguida, a média aritmética dos resultados por classe é obtida, conferindo peso igual a todas as classes independentemente de sua frequência no conjunto de dados. No corpus, aparece associada à mitigação do efeito do desequilíbrio de classes sobre a avaliação de modelos de detecção de phishing, evitando que classes majoritárias dominem a métrica final.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"malware","id":"malware","definicao":"Software malicioso utilizado como vetor ou componente de ataques de phishing e spear phishing. No corpus, malware aparece como meio pelo qual atacantes obtêm informações da vítima e informações sensíveis, sendo empregado em conjunto com técnicas de phishing para comprometer sistemas e extrair dados. Não há ocorrências diretas no corpus codificado, mas as relações observadas indicam seu papel instrumental: phishing e spear phishing fazem uso de malware, que por sua vez opera como mecanismo de coleta de informações-alvo.","topico":"Vetores_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":4},"n_relacoes":4,"n_trechos":4,"pagerank":0.00521,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"malware como serviço","id":"malware_como_serviço","definicao":"Modelo de distribuição e operação de software malicioso no qual ferramentas de ataque são disponibilizadas como serviço, permitindo que agentes mal-intencionados utilizem infraestrutura pronta para conduzir ataques. No corpus, o conceito aparece em relação à exploração de mecanismos de autenticação de dois fatores, indicando que esse modelo de serviço é empregado para contornar ou comprometer controles de segurança baseados em múltiplos fatores.","topico":"Ameaças_Cibernéticas","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00181,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"manipulação humana","id":"manipulação_humana","definicao":"Processo pelo qual um agente malicioso influencia o comportamento, as decisões ou as ações de uma pessoa por meio de técnicas psicológicas, exploração de vieses cognitivos ou apelos emocionais, sem recorrer a meios técnicos diretos. No corpus, o conceito aparece como o alvo ou mecanismo central explorado pela engenharia social em ataques de phishing, sendo o elemento humano que torna possível a eficácia do ataque independentemente de vulnerabilidades tecnológicas.","topico":"Fatores_Humanos","aspecto":"Sensitivo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"medo","id":"medo","definicao":"Estado emocional de apreensão ou ameaça percebida que, no contexto do corpus, aparece como alvo de exploração pela engenharia social em ataques de phishing. O conceito é referenciado indiretamente por meio da relação em que a engenharia social explora o medo para induzir comportamentos desejados pelo atacante, como cliques em links maliciosos ou divulgação de credenciais. Não há trechos diretos no corpus que detalhem operacionalização ou mensuração do medo, sendo sua presença inferida a partir da cadeia relacional observada.","topico":"Fatores_Psicológicos","aspecto":"Sensitivo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"mensagem direta","id":"mensagem_direta","definicao":"Canal de comunicação interpessoal direto utilizado como vetor de distribuição de ataques de phishing, no qual mensagens fraudulentas são enviadas diretamente a alvos individuais, sem intermediação de listas de transmissão em massa. No corpus, o conceito aparece como meio pelo qual conteúdo de phishing é entregue ao destinatário, distinguindo-se de e-mails em massa por seu caráter direcionado e pessoal.","topico":"Vetores_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"metaverso","id":"metaverso","definicao":"Ambiente virtual imersivo e interativo que, conforme indicado pela relação observada no corpus, possibilita a exploração de técnicas de engenharia social. Embora o conceito não apareça diretamente em trechos codificados, sua presença na ontologia é sustentada pela relação com exploração_de_engenharia_social, sugerindo que o metaverso é tratado como um contexto ou plataforma emergente onde ataques de phishing e manipulação social podem ocorrer de forma ampliada ou adaptada.","topico":"Contextos_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00278,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"modelagem de ataques cibernéticos","id":"modelagem_de_ataques_cibernéticos","definicao":"Abordagem formal para representar e analisar ataques cibernéticos como estruturas abstratas, permitindo estudar estratégias, interações e resultados possíveis entre atacantes e defensores. No corpus, o conceito aparece como domínio de aplicação da teoria dos jogos, indicando que ataques cibernéticos são modelados como situações de decisão estratégica em que múltiplos agentes racionais interagem com objetivos conflitantes. A modelagem serve como instrumento analítico para compreender e antecipar comportamentos ofensivos em ambientes digitais.","topico":"Segurança_Cibernética","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"modelo de detecção","id":"modelo_de_detecção","definicao":"Sistema ou abordagem computacional desenvolvido para identificar e classificar automaticamente mensagens ou conteúdos de phishing, operando sobre características extraídas do texto, da estrutura ou de metadados das comunicações. No corpus, aparece em relação com pistas léxicas correlacionadas à fonte, indicando que tais modelos exploram padrões linguísticos associados à origem das mensagens como insumo para a detecção.","topico":"Detecção_de_Phishing","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"modelo de detecção de phishing por e-mail","id":"modelo_de_detecção_de_phishing_por_e-mail","definicao":"Sistema ou abordagem computacional voltada especificamente para identificar mensagens de e-mail fraudulentas (phishing) com base em características extraídas desse canal. No corpus, o conceito aparece em contraste com desempenho em SMS, sugerindo que modelos treinados ou avaliados em e-mail podem apresentar comportamento distinto quando aplicados a outros canais de comunicação, evidenciando a especificidade do domínio de treinamento e avaliação.","topico":"Detecção_de_Phishing","aspecto":"Formativo","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"modelos de linguagem pré-treinados","id":"modelos_de_linguagem_pré-treinados","definicao":"Modelos de linguagem treinados previamente em grandes corpora textuais, utilizados como base para tarefas de detecção de phishing baseadas em arquiteturas transformer. No corpus, o conceito aparece como componente tecnológico subjacente a abordagens de classificação de mensagens e URLs maliciosas, sendo empregado por meio de fine-tuning ou extração de representações semânticas para identificar padrões linguísticos associados a ataques de phishing.","topico":"Aprendizado_de_Máquina","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"monitoramento de logs","id":"monitoramento_de_logs","definicao":"Prática de coleta e análise contínua de registros de eventos e atividades em sistemas computacionais, utilizada como mecanismo de defesa contra ataques de engenharia social. No corpus, o conceito aparece exclusivamente na relação de mitigação com engenharia_social, indicando seu papel como contramedida de segurança capaz de detectar ou reduzir o impacto de ataques que exploram o fator humano.","topico":"Defesa_e_Contramedidas","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"método científico","id":"método_científico","definicao":"Conjunto de procedimentos e princípios epistemológicos que orientam a produção de conhecimento científico, no qual a revisão humana figura como componente integrante. No corpus, o conceito aparece apenas como destino de uma relação de parte-todo a partir de revisão_humana, sem descrição direta de seus elementos ou aplicações específicas no contexto de pesquisa sobre phishing.","topico":"Metodologia_Científica","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"métrica agregada única","id":"métrica_agregada_única","definicao":"No corpus, métrica_agregada_única refere-se a um valor numérico singular que consolida múltiplos indicadores de desempenho em uma única medida, utilizada para avaliar a eficácia de sistemas de detecção operacional de phishing e sua confiabilidade operacional. Aparece nas relações como instrumento de mensuração que sintetiza aspectos distintos do desempenho em um único escalar, permitindo comparação direta entre abordagens ou configurações de detecção.","topico":"Avaliação_de_Desempenho","aspecto":"Quantitativo","zonas":{"Conclusão":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00527,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"mídia social","id":"mídia_social","definicao":"Plataformas digitais de interação e compartilhamento de conteúdo entre usuários (como Facebook, Twitter, LinkedIn, Instagram) que, no contexto do corpus, aparecem como fonte de coleta de informações sobre vítimas potenciais de phishing. A relação observada indica que atacantes utilizam perfis e dados publicamente disponíveis nessas plataformas para reunir informações pessoais e profissionais que subsidiam ataques direcionados (spear phishing).","topico":"Infraestrutura_de_Ataque","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00201,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"navegador atualizado","id":"navegador_atualizado","definicao":"Estado de um navegador web que possui versões e patches de segurança atualizados, considerado no corpus como medida de proteção que reduz a vulnerabilidade à instalação de malware durante ataques de phishing. A relação com mitigação de instalação de malware sugere que navegadores desatualizados representam um vetor de exploração aproveitado em ataques.","topico":"Defesa_Técnica","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00216,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"parceiro comercial","id":"parceiro_comercial","definicao":"Entidade organizacional — empresa, fornecedor ou colaborador de negócios — cuja identidade é falsificada em ataques de phishing. No corpus, o conceito aparece exclusivamente como alvo de spoofing, ou seja, como a identidade que o atacante imita para conferir legitimidade à mensagem fraudulenta e induzir a vítima a agir.","topico":"Identidade_Alvo","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00171,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"percepção de seriedade do phishing","id":"percepção_de_seriedade_do_phishing","definicao":"Avaliação subjetiva que o indivíduo faz sobre a gravidade ou relevância da ameaça representada pelo phishing, influenciando o nível de atenção e consciência que ele desenvolve em relação ao fenômeno. No corpus, o conceito aparece como antecedente da consciência sobre phishing, sugerindo que quanto maior a percepção de seriedade da ameaça, maior o engajamento cognitivo do indivíduo com o tema. A relação observada é direcional, mas seu estatuto causal deve ser interpretado com cautela na ausência de trechos diretos que detalhem as condições ou mecanismos subjacentes.","topico":"Fatores_Humanos_em_Phishing","aspecto":"Sensitivo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00237,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"perda financeira","id":"perda_financeira","definicao":"Dano econômico direto sofrido por indivíduos ou organizações como consequência de ataques de phishing. No corpus, o conceito aparece como efeito causal do phishing, representando o prejuízo monetário resultante de fraudes, transferências não autorizadas ou roubo de credenciais financeiras. Funciona como indicador de impacto e motivador para o desenvolvimento de mecanismos de detecção e prevenção.","topico":"Impacto_do_Phishing","aspecto":"Econômico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"perfil falso","id":"perfil_falso","definicao":"Identidade fictícia ou conta fraudulenta criada por agentes maliciosos para se passar por entidades legítimas (pessoas, organizações ou marcas) em canais digitais, sendo utilizada como vetor de ataques de phishing. No corpus, o conceito aparece como recurso empregado na execução de phishing, indicando que a construção de uma identidade falsa é parte integrante da estratégia de engano.","topico":"Identidade_Digital","aspecto":"Estético","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"perfil falso em rede social","id":"perfil_falso_em_rede_social","definicao":"Conta ou identidade fictícia criada em plataformas de redes sociais e utilizada como vetor ou instrumento de ataques de phishing e spear phishing. No corpus, o conceito aparece exclusivamente por meio de relações de uso (USA), indicando que perfis falsos em redes sociais são empregados tanto em campanhas genéricas de phishing quanto em ataques direcionados (spear phishing) como meio de aproximação, coleta de informações ou entrega de conteúdo malicioso às vítimas.","topico":"Vetores_de_Ataque","aspecto":"Estético","zonas":{"Objeto":2,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00292,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"personificação","id":"personificação","definicao":"Técnica de ataque em que o agente malicioso assume uma identidade falsa — de pessoa, organização ou entidade legítima — para enganar a vítima. No corpus, aparece como componente da engenharia social, sendo viabilizada pelo reconhecimento online (coleta de informações sobre o alvo) e operacionalizada por meio do pretexting, que fornece o roteiro narrativo para sustentar a identidade assumida.","topico":"Engenharia_Social","aspecto":"Social","zonas":{"Objeto":3},"n_relacoes":3,"n_trechos":3,"pagerank":0.00406,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"phishing","id":"phishing","definicao":"Ataque de engenharia social no qual o agente malicioso se faz passar por entidade confiável (instituição financeira, site legítimo, marca reconhecida) para obter credenciais de acesso ou informações sensíveis das vítimas, podendo causar roubo de identidade. Manifesta-se em múltiplos canais e modalidades, incluindo e-mail (phishing_por_e-mail), SMS (smishing), voz (vishing) e redes sociais (phishing_em_rede_social), e pode explorar tópicos de interesse como questões políticas para aumentar a eficácia do engano. Compõe-se de elementos como URLs fraudulentas e é mitigado por ações de aplicação da lei.","topico":"Ataques_de_Phishing","aspecto":"Formativo","zonas":{"Objeto":50,"Contexto Prévio":24,"Conclusão":4,"Resultado":3,"Recomendação":3,"Método":1,"Objetivo":1},"n_relacoes":68,"n_trechos":86,"pagerank":0.08888,"artigos":["g0066_phishing","g0293_phishing"],"areas":["Detecção","Prevenção e Resposta"]},{"nome":"phishing automatizado","id":"phishing_automatizado","definicao":"Modalidade de ataque de phishing que emprega automação — incluindo bots e técnicas de extração de dados — para conduzir campanhas de engenharia social em escala, superando o phishing convencional em alcance ou eficiência. As relações observadas indicam que o conceito é classificado como subtipo de engenharia social e se distingue do phishing tradicional pela incorporação de recursos automatizados no processo de ataque.","topico":"Ataques_de_Phishing","aspecto":"Formativo","zonas":{"Conclusão":3,"Objeto":2},"n_relacoes":4,"n_trechos":5,"pagerank":0.00603,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"phishing em rede social","id":"phishing_em_rede_social","definicao":"Modalidade de phishing que ocorre em plataformas de redes sociais, classificada como subtipo de phishing no corpus. Embora não apareça em trechos codificados, sua relação taxonômica indica que compartilha as características gerais do phishing — engano, coleta de credenciais ou dados sensíveis — adaptadas ao ambiente de redes sociais, onde perfis falsos, mensagens diretas e conteúdo compartilhado podem ser usados como vetores de ataque.","topico":"Taxonomia_de_Ataques","aspecto":"Social","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"phishing por e-mail","id":"phishing_por_e-mail","definicao":"Modalidade de phishing que utiliza o e-mail como canal de entrega do ataque. No corpus, é caracterizado por mensagens que imitam instituições financeiras (bancos), funcionários internos ou outras entidades confiáveis, explorando urgência para induzir o destinatário a fornecer credenciais de acesso ou transferir dinheiro, frequentemente por meio de redirecionamento para sites falsos. É contrastado com outras formas de phishing que não empregam o e-mail como vetor principal, e o redirecionamento de URL é apontado como um subtipo específico dessa modalidade.","topico":"Vetores_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":10,"Contexto Prévio":5,"Resultado":2},"n_relacoes":13,"n_trechos":17,"pagerank":0.01584,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"phishing recall","id":"phishing_recall","definicao":"Métrica de avaliação que quantifica a proporção de instâncias de phishing corretamente identificadas pelo modelo em relação ao total de instâncias de phishing reais presentes no conjunto de dados. No corpus, é utilizada como indicador de desempenho de detecção, sendo influenciada por técnicas de augmentação de dados e balanceamento hierárquico, e contrastada com métricas agregadas como o macro-F1 composto, que pondera o desempenho entre múltiplas classes.","topico":"Métricas_de_Desempenho","aspecto":"Quantitativo","zonas":{"Resultado":3,"Método":1,"Conclusão":1},"n_relacoes":4,"n_trechos":5,"pagerank":0.00538,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"pistas de persuasão","id":"pistas_de_persuasão","definicao":"Elementos textuais ou retóricos presentes em mensagens de phishing que exploram princípios de influência e persuasão — como urgência, autoridade, reciprocidade ou escassez — para induzir o destinatário a agir de forma precipitada. No corpus, o conceito aparece como objeto de análise em abordagens de detecção de phishing baseada em conteúdo, que examinam o texto das mensagens em busca dessas marcas linguísticas para distinguir comunicações maliciosas de legítimas.","topico":"Técnicas_de_Engenharia_Social","aspecto":"Lingual","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00278,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"pistas léxicas correlacionadas à fonte","id":"pistas_léxicas_correlacionadas_à_fonte","definicao":"Características linguísticas presentes no texto de mensagens que apresentam correlação estatística ou semântica com a identidade da fonte emissora, utilizadas como sinais discriminativos por modelos de detecção de phishing. No contexto do corpus, essas pistas são exploradas por modelos de detecção para distinguir mensagens legítimas de fraudulentas com base em padrões lexicais associados a remetentes específicos ou categorias de origem.","topico":"Detecção_de_Phishing","aspecto":"Lingual","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"plano de resposta a incidentes","id":"plano_de_resposta_a_incidentes","definicao":"Conjunto estruturado de procedimentos e diretrizes organizacionais destinado a mitigar incidentes de cibersegurança, incluindo ataques de phishing. No corpus, o conceito aparece exclusivamente por meio de relação inferida, sem trechos diretos que detalhem sua composição ou operacionalização; sua presença é marcada pela função de reduzir o impacto de incidentes de segurança quando estes ocorrem.","topico":"Gestão_de_Incidentes","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00278,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"política de segurança","id":"política_de_segurança","definicao":"Conjunto de diretrizes, regras e procedimentos institucionais destinados a reduzir a exposição organizacional a ameaças de segurança da informação, com ênfase particular na mitigação de ataques de engenharia social, incluindo phishing. No corpus, o conceito aparece como mecanismo de controle organizacional que atua sobre as vulnerabilidades humanas exploradas por técnicas de manipulação, funcionando como contramedida de nível institucional.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"ponderação hierárquica","id":"ponderação_hierárquica","definicao":"Mecanismo de atribuição diferenciada de pesos a componentes ou fontes organizados em estrutura hierárquica, utilizado em sistemas de detecção de phishing para modular a contribuição relativa de cada elemento ao resultado final. No corpus, o conceito aparece associado à sua influência sobre o desempenho de detecção e sobre a diversidade de fontes independentes consideradas, sugerindo que a forma como os pesos são distribuídos hierarquicamente afeta tanto a eficácia do sistema quanto o aproveitamento de múltiplas fontes de evidência.","topico":"Métodos_de_Detecção","aspecto":"Analítico","zonas":{"Resultado":1,"Conclusão":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00303,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"ponderação hierárquica classe-fonte","id":"ponderação_hierárquica_classe-fonte","definicao":"Mecanismo de atribuição diferenciada de pesos a classes de fontes de dados (por exemplo, e-mails legítimos versus phishing) dentro de um sistema de detecção, operando de forma hierárquica para equilibrar a contribuição relativa de cada fonte ao modelo. No corpus, aparece como componente do sistema TrustPhish-AI, influenciando o desempenho comparativo entre fontes e mitigando trade-offs de segurança decorrentes de desequilíbrios na representatividade das classes.","topico":"Detecção_de_Phishing","aspecto":"Formativo","zonas":{"Objetivo":2,"Método":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00516,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"portões de segurança","id":"portões_de_segurança","definicao":"Mecanismos de controle que bloqueiam ou condicionam o avanço de um processo com base no cumprimento de critérios predefinidos, operando como pontos de verificação obrigatórios. No corpus, o conceito aparece exclusivamente por inferência relacional: portões de segurança inibem a aprovação baseada em métricas agregadas, sugerindo que funcionam como barreiras que impedem decisões automáticas ou simplificadas de passagem, exigindo que condições específicas sejam satisfeitas antes de qualquer liberação ou validação.","topico":"Controle_de_Segurança","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"pretexting","id":"pretexting","definicao":"Técnica de engenharia social na qual o atacante constrói um pretexto ou cenário fictício para manipular a vítima e obter informações pessoais. Opera por meio da personificação de entidades legítimas e do uso de reconhecimento online para tornar o cenário crível, explorando a confiança da vítima como vetor principal de persuasão. É classificado como um tipo de engenharia social, distinguindo-se de outras técnicas pelo foco na elaboração de uma narrativa de fundo que justifica o pedido de informação.","topico":"Engenharia_Social","aspecto":"Social","zonas":{"Objeto":5},"n_relacoes":5,"n_trechos":5,"pagerank":0.00664,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"princípios psicológicos","id":"princípios_psicológicos","definicao":"Princípios fundamentais do comportamento humano explorados em ataques de phishing e engenharia social para induzir vítimas a agir de forma previsível e favorável ao atacante. No corpus, o conceito aparece como objeto de exploração pela engenharia social, indicando que tais princípios — como autoridade, reciprocidade, escassez, urgência e prova social — constituem vulnerabilidades cognitivas e comportamentais que os atacantes identificam e manipulam para aumentar a eficácia dos ataques.","topico":"Fatores_Humanos","aspecto":"Sensitivo","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"processo de reporte de comportamento suspeito","id":"processo_de_reporte_de_comportamento_suspeito","definicao":"Mecanismo ou procedimento pelo qual indivíduos ou organizações comunicam formalmente a ocorrência ou suspeita de atividades maliciosas, como tentativas de engenharia social, com o objetivo de mitigar a propagação e o impacto dessas ameaças. No corpus, o conceito aparece associado à sua função de contenção de ataques de engenharia social, sugerindo que o reporte de comportamentos suspeitos atua como contramedida organizacional ou institucional.","topico":"Defesa_Organizacional","aspecto":"Social","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"programa de conscientização","id":"programa_de_conscientização","definicao":"Iniciativa estruturada de treinamento e educação voltada a reduzir a vulnerabilidade humana a ataques de phishing e engenharia social, operando por meio da capacitação de usuários para reconhecer e evitar tentativas de manipulação. No corpus, o conceito aparece como mecanismo de mitigação tanto de engenharia social quanto do risco de violação de dados, posicionando-se como contramedida organizacional centrada no fator humano.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Recomendação":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00344,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"programa de treinamento","id":"programa_de_treinamento","definicao":"Conjunto estruturado de atividades educacionais voltadas ao desenvolvimento de habilidades e conhecimentos dos usuários para reconhecer e resistir a ataques de phishing e engenharia social. No corpus, o conceito aparece como intervenção de mitigação direcionada a reduzir a vulnerabilidade humana frente a técnicas de manipulação social, sendo posicionado como contramedida organizacional ou individual.","topico":"Conscientização_e_Treinamento","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"protocolo de segurança","id":"protocolo_de_segurança","definicao":"Conjunto de regras, procedimentos e mecanismos formais estabelecidos para proteger sistemas, dados e usuários contra ameaças de segurança, incluindo ataques de phishing e engenharia social. No corpus, o conceito aparece como alvo de inibição pela engenharia social, sugerindo que táticas de manipulação humana são empregadas justamente para contornar ou neutralizar os protocolos de segurança vigentes, tornando-os menos eficazes na prática.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"pré-treinamento roberta","id":"pré-treinamento_roberta","definicao":"Processo de treinamento inicial do modelo RoBERTa em grandes corpora de texto não rotulado, que resulta em representações linguísticas gerais reutilizáveis. No corpus, o conceito aparece como base sobre a qual variantes como DistilRoBERTa são construídas, indicando que o pré-treinamento fornece os pesos e o conhecimento linguístico transferido para tarefas downstream de detecção de phishing.","topico":"Modelos_de_Linguagem","aspecto":"Formativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00171,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"publicidade em mídia social","id":"publicidade_em_mídia_social","definicao":"Uso de anúncios e conteúdos patrocinados em plataformas de mídia social como veículo para ataques de phishing, explorando a infraestrutura publicitária dessas plataformas para distribuir mensagens fraudulentas ou redirecionar usuários a páginas maliciosas. No corpus, o conceito aparece como um canal ou meio pelo qual o phishing é operacionalizado, integrando-se às estratégias de disseminação de ataques que se aproveitam da confiança dos usuários em ambientes de redes sociais.","topico":"Canais_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"realidade virtual","id":"realidade_virtual","definicao":"Ambiente ou tecnologia de simulação imersiva que, conforme a relação observada no corpus, é apontada como possibilitadora de exploração de engenharia social. O conceito aparece no corpus apenas como referência a um vetor ou contexto tecnológico emergente que pode ser explorado em ataques de phishing e manipulação social, sem definição operacional detalhada nos trechos disponíveis.","topico":"Vetores_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00278,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"recall de phishing","id":"recall_de_phishing","definicao":"Métrica de avaliação que quantifica a proporção de instâncias de phishing corretamente identificadas pelo modelo em relação ao total de instâncias de phishing reais presentes no conjunto de dados. No corpus, aparece associada ao macro-F1 agregado como componente do desempenho global do classificador, e é utilizada para medir a segurança do modelo e a segurança operacional, indicando a capacidade do sistema de não deixar passar ataques de phishing (minimização de falsos negativos).","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Objetivo":1,"Método":1,"Conclusão":1},"n_relacoes":3,"n_trechos":3,"pagerank":0.00525,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"reconhecimento online","id":"reconhecimento_online","definicao":"Atividade de coleta e análise de informações sobre alvos potenciais realizada em ambientes digitais, como redes sociais, sites corporativos e outras fontes abertas, com o objetivo de subsidiar ataques de phishing. No corpus, o reconhecimento online aparece como etapa preparatória utilizada no pretexting, fornecendo dados que possibilitam a personificação convincente de indivíduos ou entidades legítimas. Trata-se de um procedimento de inteligência prévia ao ataque, orientado à identificação de vulnerabilidades, relações e informações pessoais ou organizacionais exploráveis.","topico":"Táticas_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00282,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"rede social","id":"rede_social","definicao":"Plataforma digital de interação social utilizada no contexto de phishing como fonte de coleta de informações sobre vítimas potenciais. No corpus, o conceito aparece exclusivamente na relação com a coleta de dados pessoais, sugerindo que redes sociais são exploradas por atacantes para obter informações que subsidiam ataques direcionados, como spear phishing.","topico":"Infraestrutura_de_Ataque","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.002,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"redes sociais","id":"redes_sociais","definicao":"Plataformas digitais de interação social (como Facebook, Twitter, LinkedIn, entre outras) utilizadas como canal ou vetor para a realização de ataques de phishing e spear phishing. No corpus, o conceito aparece exclusivamente como meio explorado por atacantes para conduzir campanhas de phishing, aproveitando a natureza relacional e comunicativa dessas plataformas para atingir vítimas com mensagens fraudulentas personalizadas ou em massa.","topico":"Canais_de_Ataque","aspecto":"Social","zonas":{"Contexto Prévio":2,"Objeto":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00292,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"redirecionamento de url","id":"redirecionamento_de_url","definicao":"Técnica de ataque de phishing na qual o usuário é direcionado, por meio de um link ou mecanismo automatizado, para uma URL maliciosa ou fraudulenta distinta da aparente. No corpus, o conceito aparece como uma modalidade de phishing por e-mail e como meio para obtenção de credenciais de acesso, sendo associado ao fenômeno geral de phishing. Funciona como vetor de engano ao explorar a discrepância entre o destino exibido e o destino real do link, conduzindo a vítima a páginas falsas onde suas informações podem ser capturadas.","topico":"Vetores_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":3},"n_relacoes":3,"n_trechos":3,"pagerank":0.00396,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"regressão logística","id":"regressão_logística","definicao":"Método de classificação estatística utilizado no corpus como algoritmo de aprendizado de máquina para detecção de phishing, operando sobre representações vetoriais de texto (características TF-IDF) para produzir predições binárias ou categóricas. Aparece como componente de pipelines de classificação automática de mensagens ou URLs suspeitas, sendo treinado e avaliado em conjunto com outras abordagens de aprendizado de máquina.","topico":"Aprendizado_de_Máquina","aspecto":"Analítico","zonas":{"Método":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00351,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"remoção de conteúdo","id":"remoção_de_conteúdo","definicao":"Ação de retirada ou exclusão de conteúdo malicioso (como páginas, mensagens ou recursos utilizados em ataques) como medida de mitigação contra spear phishing. No corpus, o conceito aparece exclusivamente na relação de mitigação com spear phishing, indicando seu papel como contramedida operacional voltada à interrupção ou redução da eficácia de ataques direcionados.","topico":"Contramedidas_e_Defesa","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00172,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"reporte de ameaças","id":"reporte_de_ameaças","definicao":"Processo ou mecanismo pelo qual ameaças identificadas, como ataques de engenharia social e phishing, são comunicadas a partes relevantes (usuários, organizações, autoridades ou sistemas de segurança) com o objetivo de reduzir sua eficácia ou propagação. No corpus, o conceito aparece em relação de mitigação frente à engenharia social, sugerindo que o reporte funciona como contramedida ao reduzir o impacto ou a disseminação de ataques baseados em manipulação humana.","topico":"Resposta_a_Incidentes","aspecto":"Lingual","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"resistência a fontes","id":"resistência_a_fontes","definicao":"Capacidade de um modelo ou sistema de detecção de phishing de manter desempenho estável e confiável independentemente da origem ou variedade das fontes de dados utilizadas. No corpus, o conceito aparece como propriedade desejável influenciada pela diversidade de fontes de dados e pela augmentação de dados, sugerindo que a exposição a múltiplas origens e a técnicas de ampliação do conjunto de treinamento contribui para que o sistema não seja sensível a vieses ou limitações associados a fontes específicas.","topico":"Robustez_de_Modelos","aspecto":"Formativo","zonas":{"Conclusão":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00348,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"resistência global a fontes","id":"resistência_global_a_fontes","definicao":"Propriedade de um modelo de detecção de phishing que expressa sua capacidade de manter desempenho satisfatório independentemente da origem ou domínio dos dados de entrada, sem degradação significativa quando exposto a fontes não vistas durante o treinamento. No corpus, o conceito aparece como alvo de influência da augmentação de dados, sugerindo que técnicas de ampliação do conjunto de treinamento são empregadas para fortalecer essa robustez transversal a diferentes fontes.","topico":"Robustez_de_Modelos","aspecto":"Analítico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00176,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"restrições de tempo e recursos","id":"restrições_de_tempo_e_recursos","definicao":"Limitações práticas de tempo e recursos que afetam a condução de pesquisas sobre phishing, manifestando-se especialmente como impedimento à coleta de dados primários. No corpus, o conceito aparece como fator restritivo que condiciona as escolhas metodológicas dos pesquisadores, levando ao uso de dados secundários ou abordagens alternativas quando a obtenção direta de dados não é viável.","topico":"Metodologia_de_Pesquisa","aspecto":"Analítico","zonas":{"Lacuna":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"revisão de governança","id":"revisão_de_governança","definicao":"Processo de avaliação e supervisão institucional aplicado a sistemas ou modelos implantados, com o objetivo de identificar e mitigar riscos decorrentes da adoção de soluções não validadas. No corpus, o conceito aparece exclusivamente como relação inferida, sem ocorrências textuais diretas, sendo caracterizado pela sua função de controle sobre a implantação de modelos não validados no contexto de segurança contra phishing.","topico":"Gestão_de_Risco","aspecto":"Jurídico","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"revisão humana","id":"revisão_humana","definicao":"Processo de avaliação e verificação realizado por especialistas humanos, utilizado como componente do método científico para validar resultados, classificações ou anotações produzidas por sistemas automatizados ou por outros pesquisadores. No corpus, aparece como parte integrante do método científico, sugerindo seu papel na garantia de qualidade e confiabilidade das análises conduzidas em estudos sobre phishing.","topico":"Metodologia_Científica","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"risco de violação de dados","id":"risco_de_violação_de_dados","definicao":"Probabilidade ou exposição potencial de que dados sensíveis sejam acessados, divulgados ou comprometidos de forma não autorizada, especialmente como consequência de ataques de phishing bem-sucedidos. No corpus, o conceito aparece como alvo de mitigação por programas de conscientização, indicando que é tratado como um resultado adverso a ser reduzido por meio de intervenções educacionais e de treinamento voltadas a usuários.","topico":"Segurança_da_Informação","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.002,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"risco operacional","id":"risco_operacional","definicao":"Risco associado a falhas, perdas ou impactos negativos decorrentes de processos, sistemas ou comportamentos humanos no contexto operacional de organizações. No corpus, o conceito aparece como alvo de mitigação por meio de classificação seletiva, sugerindo que a triagem ou filtragem de ameaças (como phishing) é tratada como mecanismo de redução desse tipo de risco. A relação observada é de inibição, indicando que práticas analíticas de classificação atuam sobre a exposição operacional a ataques.","topico":"Gestão_de_Risco","aspecto":"Econômico","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.0025,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"roubo de identidade","id":"roubo_de_identidade","definicao":"Consequência do phishing em que credenciais ou dados pessoais da vítima são obtidos e utilizados de forma fraudulenta por terceiros para se passar pela vítima ou acessar recursos em seu nome. No corpus, o conceito aparece exclusivamente como efeito causado por ataques de phishing, sem descrição detalhada de mecanismos internos ou variações tipológicas.","topico":"Impactos_do_Phishing","aspecto":"Econômico","zonas":{"Objeto":2},"n_relacoes":1,"n_trechos":2,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"roubo de informação pessoal","id":"roubo_de_informação_pessoal","definicao":"Apropriação não autorizada de dados pessoais de indivíduos, referenciada no corpus como consequência de violações de dados no contexto de ataques de phishing. Embora o conceito não apareça diretamente em trechos codificados, sua presença como alvo causal de violação_de_dados indica que designa o resultado em que informações identificáveis de usuários são obtidas por agentes maliciosos sem consentimento.","topico":"Impacto_de_Ataques","aspecto":"Econômico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"segredos corporativos","id":"segredos_corporativos","definicao":"Informações confidenciais de natureza corporativa que constituem alvo de ataques de phishing. No corpus, o conceito aparece como objeto de obtenção por meio de phishing, representando dados estratégicos, proprietários ou sensíveis de organizações que atacantes buscam exfiltrar por meio de engenharia social e mensagens fraudulentas.","topico":"Alvos_de_Ataque","aspecto":"Lingual","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"segurança de detecção de phishing","id":"segurança_de_detecção_de_phishing","definicao":"Métrica ou propriedade de desempenho de sistemas de detecção de phishing que expressa a capacidade de identificar corretamente instâncias legítimas (não-phishing), evitando falsos positivos. No corpus, o conceito aparece em contraste com desempenho agregado e é operacionalizado por meio de macro-F1 composto, sugerindo que representa uma dimensão específica de acurácia voltada à minimização de classificações incorretas de conteúdo legítimo como phishing.","topico":"Desempenho_de_Detecção","aspecto":"Quantitativo","zonas":{"Conclusão":3},"n_relacoes":2,"n_trechos":3,"pagerank":0.00343,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"segurança do modelo","id":"segurança_do_modelo","definicao":"Propriedade de um modelo de detecção de phishing que expressa sua capacidade de identificar corretamente instâncias maliciosas, operacionalizada pela métrica de recall de phishing. No corpus, o conceito aparece como atributo avaliativo de sistemas automatizados, indicando o grau em que o modelo evita falsos negativos — ou seja, deixar passar mensagens de phishing sem detecção. A relação observada posiciona segurança_do_modelo como o construto latente que o recall de phishing mede, sugerindo que maior recall corresponde a maior segurança do modelo frente a ataques.","topico":"Avaliação_de_Modelos","aspecto":"Analítico","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00203,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"segurança operacional","id":"segurança_operacional","definicao":"Capacidade operacional de um sistema, organização ou usuário de resistir ou evitar comprometimentos por ataques de phishing, inferida no corpus a partir de sua relação com recall_de_phishing como grandeza mensurável. Embora o conceito não apareça diretamente em trechos codificados, sua presença como alvo de medição sugere que representa o grau de proteção efetiva alcançado em contextos operacionais reais, distinguindo-se de métricas de detecção técnica por enfatizar o resultado prático de segurança no nível do processo ou da operação.","topico":"Proteção_e_Defesa","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00203,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"simulação interna de phishing","id":"simulação_interna_de_phishing","definicao":"Prática organizacional que consiste na execução de campanhas simuladas de phishing direcionadas aos próprios colaboradores de uma organização, com o objetivo de mensurar o grau de suscetibilidade ao phishing e influenciar a consciência sobre ameaças de phishing. As relações observadas no corpus indicam que a simulação interna funciona tanto como instrumento de medição — permitindo quantificar a vulnerabilidade dos usuários a ataques — quanto como mecanismo de intervenção, potencialmente elevando o nível de conscientização dos participantes. Não há trechos diretos no corpus que detalhem metodologias específicas de implementação ou resultados empíricos consolidados, sendo as relações registradas de caráter hipotético ou investigado.","topico":"Treinamento_e_Conscientização","aspecto":"Formativo","zonas":{"Conclusão":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00443,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"sistema operacional android","id":"sistema_operacional_android","definicao":"Sistema operacional móvel Android, mencionado no corpus como alvo de ataques de phishing do tipo 'ataque de um clique', indicando que dispositivos que executam esse sistema são alvos específicos de campanhas maliciosas voltadas a plataformas móveis.","topico":"Infraestrutura_Tecnológica","aspecto":"Físico","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00197,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"site falso","id":"site_falso","definicao":"Página web fraudulenta criada para imitar um site legítimo, utilizada em ataques de phishing por e-mail como destino para onde a vítima é direcionada após interagir com a mensagem maliciosa. O site falso tem como função coletar credenciais, dados pessoais ou financeiros da vítima ao simular a aparência e o comportamento de um serviço ou instituição confiável.","topico":"Infraestrutura_de_Ataque","aspecto":"Estético","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00166,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"site legítimo","id":"site_legítimo","definicao":"Recurso web autêntico e confiável que serve como modelo ou alvo de imitação em ataques de phishing. No corpus, o conceito aparece exclusivamente como objeto da relação de imitação: páginas de phishing são construídas para reproduzir a aparência e o conteúdo de sites legítimos, induzindo o usuário a acreditar estar interagindo com uma fonte genuína. O conceito delimita o polo autêntico em oposição ao site fraudulento, funcionando como referência de credibilidade que o atacante busca explorar.","topico":"Infraestrutura_Web","aspecto":"Estético","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"smishing","id":"smishing","definicao":"Variante de phishing realizada por meio de mensagens de texto SMS (Short Message Service), classificada no corpus como um tipo específico de phishing. Embora o conceito apareça apenas como relação taxonômica sem trechos de uso direto, sua posição na ontologia indica que compartilha os mecanismos gerais de engano e manipulação do phishing, diferenciando-se pelo canal de comunicação utilizado.","topico":"Taxonomia_De_Ataques","aspecto":"Lingual","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"sofisticação do phishing","id":"sofisticação_do_phishing","definicao":"Grau de elaboração técnica e estratégica de um ataque de phishing, inferido no corpus a partir de sua relação com custo de implantação: ataques mais sofisticados tendem a demandar maior investimento em recursos, personalização e infraestrutura. O conceito abrange a complexidade dos mecanismos de engano empregados, incluindo qualidade de imitação, personalização da mensagem e robustez técnica da campanha.","topico":"Características_do_Ataque","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"spamassassin","id":"spamassassin","definicao":"Ferramenta de filtragem de e-mail baseada em regras heurísticas e pontuação, utilizada no corpus como sistema de referência ou baseline para avaliação de desempenho de detecção de phishing e spam. Aparece nas relações como fator que influencia métricas de detecção, sugerindo seu uso comparativo em experimentos de classificação de mensagens maliciosas.","topico":"Ferramentas_de_Detecção","aspecto":"Formativo","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00175,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"spear phishing","id":"spear_phishing","definicao":"Modalidade de ataque de phishing altamente direcionada que visa indivíduos específicos ou organizações, distinguindo-se do phishing genérico pela personalização do ataque. Constitui uma forma de engenharia social que combina etapas de coleta de informações sobre a vítima, imitação de entidades confiáveis, uso de iscas contextualizadas e mecanismos de contágio. Para viabilizar a personalização, o atacante utiliza redes sociais e perfis falsos como fontes de inteligência e vetores de ataque, podendo também empregar malware. O comprometimento de e-mail corporativo é classificado no corpus como um subtipo de spear_phishing. O objetivo central é obter informações sensíveis da vítima. Medidas de remoção de conteúdo são apontadas como forma de mitigação.","topico":"Ataques_de_Phishing","aspecto":"Formativo","zonas":{"Objeto":13,"Contexto Prévio":4,"Objetivo":1},"n_relacoes":16,"n_trechos":18,"pagerank":0.02227,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"spoofing","id":"spoofing","definicao":"Técnica de falsificação de identidade empregada em ataques de phishing, na qual o atacante forja elementos de identificação — como endereços de remetente, cabeçalhos de e-mail ou identidade de parceiros comerciais — para fazer a comunicação maliciosa parecer legítima. No corpus, o spoofing é tratado como um subtipo de phishing e como componente de ataques de vishing, atuando como mecanismo que dificulta a detecção de phishing e a verificação do remetente. Medidas como a análise de cabeçalhos de e-mail são apontadas como formas de mitigação.","topico":"Técnicas_de_Ataque","aspecto":"Formativo","zonas":{"Objeto":5,"Recomendação":1},"n_relacoes":6,"n_trechos":6,"pagerank":0.00822,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"suscetibilidade ao phishing","id":"suscetibilidade_ao_phishing","definicao":"Grau em que indivíduos ou grupos estão propensos a ser enganados por ataques de phishing, inferido no corpus a partir de simulações internas de phishing que medem a taxa de cliques ou respostas a mensagens fraudulentas. Representa uma propriedade latente do alvo que é operacionalizada por meio de experimentos controlados ou testes simulados, refletindo a vulnerabilidade comportamental diante de tentativas de engano.","topico":"Vulnerabilidade_Humana","aspecto":"Sensitivo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00242,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"taxa de phishing classificado como legítimo","id":"taxa_de_phishing_classificado_como_legítimo","definicao":"Taxa que quantifica a proporção de mensagens de phishing incorretamente classificadas como legítimas por um sistema de detecção. Representa um tipo específico de erro de classificação — o falso negativo no contexto de detecção de phishing — em que o sistema falha em identificar a ameaça, permitindo que mensagens maliciosas passem despercebidas. A relação observada no corpus indica que essa taxa é utilizada como medida do erro severo de classificação, sinalizando o grau de risco residual deixado pelo sistema de detecção.","topico":"Desempenho_de_Detecção","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"taxa phishing para legítimo","id":"taxa_phishing_para_legítimo","definicao":"Métrica que expressa a proporção ou frequência com que e-mails ou URLs de phishing são incorretamente classificados como legítimos por um sistema de detecção. Representa um tipo específico de erro de classificação considerado de alta severidade, pois permite que ataques passem despercebidos pelo filtro. Seu valor influencia diretamente a aprovação ou rejeição de modelos de detecção, funcionando como critério de avaliação de desempenho em contextos onde falsos negativos têm consequências críticas para a segurança.","topico":"Avaliação_de_Modelos_de_Detecção","aspecto":"Quantitativo","zonas":{"Método":2,"Resultado":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00399,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"taxonomia de três classes","id":"taxonomia_de_três_classes","definicao":"Esquema de classificação que organiza instâncias (tipicamente mensagens ou ataques) em exatamente três categorias mutuamente exclusivas, utilizado no contexto de detecção de phishing para distinguir, por exemplo, phishing legítimo, spam e mensagens benignas. No corpus, aparece como recurso metodológico adotado pelo sistema trustphish-ai e como pré-condição para a execução de ações operacionais de bloqueio, indicando que a tripartição das classes orienta decisões automatizadas de resposta.","topico":"Classificação_e_Taxonomia","aspecto":"Analítico","zonas":{"Método":1,"Objeto":1},"n_relacoes":2,"n_trechos":2,"pagerank":0.00382,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"tecnologia de deepfake","id":"tecnologia_de_deepfake","definicao":"Tecnologia capaz de sintetizar ou manipular conteúdo audiovisual de modo a imitar a identidade de um usuário real, explorando mecanismos de validação de identidade baseados em imagem ou vídeo. No corpus, o conceito aparece associado à capacidade de falsificar características visuais de indivíduos para contornar sistemas de autenticação que dependem de verificação fotográfica, representando um vetor de ataque que compromete a integridade de processos de reconhecimento de identidade.","topico":"Técnicas_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00527,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"telefone","id":"telefone","definicao":"Canal de comunicação por voz utilizado em ataques de phishing vocal (vishing), no qual o atacante contacta a vítima diretamente por chamada telefônica para obter informações sensíveis ou induzir ações fraudulentas. No corpus, aparece como o meio físico/tecnológico que distingue o vishing de outras modalidades de phishing baseadas em texto ou e-mail.","topico":"Canais_de_Ataque","aspecto":"Físico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00169,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"telefonia voip","id":"telefonia_voip","definicao":"Infraestrutura de comunicação baseada em protocolo de voz sobre IP (VoIP), mencionada no corpus como canal utilizado em ataques de vishing. Representa o meio tecnológico que viabiliza chamadas de voz transmitidas via internet, distinguindo-se de redes telefônicas tradicionais pela sua base em protocolos digitais de pacotes. No corpus, aparece exclusivamente como substrato técnico associado ao vishing, sem caracterização adicional de propriedades ou mecanismos específicos.","topico":"Infraestrutura_de_Comunicação","aspecto":"Físico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00169,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"telemarketing legítimo","id":"telemarketing_legítimo","definicao":"Prática legítima de contato telefônico comercial ou institucional com consumidores, utilizada como referência de imitação pelo vishing. No corpus, o conceito aparece exclusivamente como objeto da relação de imitação: ataques de vishing simulam o padrão comunicativo, o tom e os procedimentos do telemarketing legítimo para conferir aparência de autenticidade às chamadas fraudulentas.","topico":"Vetor_de_Ataque","aspecto":"Lingual","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00169,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"teoria dos jogos","id":"teoria_dos_jogos","definicao":"Framework matemático para modelar situações de decisão estratégica entre agentes com interesses potencialmente conflitantes. No corpus, o conceito aparece exclusivamente por meio de sua relação com modelagem_de_ataques_cibernéticos, sugerindo seu uso como abordagem formal para representar interações entre atacantes e defensores em cenários de phishing ou segurança cibernética. A definição é inferida a partir da relação observada, sem trechos diretos no corpus que detalhem sua operacionalização.","topico":"Modelagem_Formal","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"tf-idf","id":"tf-idf","definicao":"TF-IDF (Term Frequency–Inverse Document Frequency) é uma técnica de representação numérica de texto utilizada no corpus como método de extração de características linguísticas para tarefas de detecção de phishing. Opera ponderando a frequência de termos em um documento em relação à sua raridade no corpus geral, produzindo vetores que alimentam classificadores como regressão logística. No corpus, aparece principalmente como linha de base comparativa frente a modelos de linguagem baseados em transformers, como DistilRoBERTa, que o superam em desempenho nas tarefas avaliadas.","topico":"Representação_de_Texto","aspecto":"Analítico","zonas":{"Resultado":3,"Método":2,"Conclusão":1},"n_relacoes":4,"n_trechos":6,"pagerank":0.00438,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"trabalhadores de agência","id":"trabalhadores_de_agência","definicao":"Categoria de alvo de ataques de phishing composta por trabalhadores vinculados a agências, mencionada no corpus como um dos grupos visados por campanhas de phishing. A definição baseia-se exclusivamente na relação observada, que indica que trabalhadores de agência constituem um segmento específico de vítimas potenciais, sem detalhamento adicional sobre características ou contexto de vitimização disponível no corpus.","topico":"Alvos_de_Phishing","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"trabalho remoto","id":"trabalho_remoto","definicao":"Modalidade de trabalho realizada fora do ambiente corporativo tradicional, mencionada no corpus como contexto explorado por ataques de engenharia social. A relação observada sugere que o trabalho remoto cria condições (isolamento, uso de dispositivos pessoais, comunicação mediada digitalmente) que ampliam a superfície de ataque e reduzem barreiras de verificação presencial, tornando usuários mais vulneráveis a manipulação. A evidência no corpus é limitada a uma relação inferida, sem trechos diretos que detalhem mecanismos específicos.","topico":"Contexto_Organizacional","aspecto":"Social","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"trade-off de segurança","id":"trade-off_de_segurança","definicao":"Tensão ou compromisso entre objetivos concorrentes no contexto de segurança, em que o ganho em uma dimensão (como precisão na detecção de phishing) implica custo em outra (como desempenho, usabilidade ou privacidade). No corpus, o conceito aparece como algo que pode ser mitigado por meio de ponderação hierárquica entre classes e fontes de evidência, sugerindo que a atribuição diferenciada de pesos a diferentes sinais de classificação é uma estratégia para equilibrar essas tensões.","topico":"Avaliação_de_Sistemas_de_Detecção","aspecto":"Formativo","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.002,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"transferência entre fontes","id":"transferência_entre_fontes","definicao":"Capacidade de um modelo ou sistema de detecção de phishing, treinado em dados de uma fonte ou domínio específico, de manter desempenho satisfatório quando aplicado a dados provenientes de fontes ou domínios distintos. No corpus, o conceito aparece como fator que influencia o desempenho de detecção, indicando que a generalização entre diferentes origens de dados é uma dimensão relevante para avaliar a robustez de abordagens automatizadas de detecção.","topico":"Detecção_de_Phishing","aspecto":"Analítico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00175,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"transparência de composição","id":"transparência_de_composição","definicao":"Propriedade de conjuntos de dados ou sistemas que consiste em tornar explícita e acessível a informação sobre sua composição, origem, critérios de seleção e características dos elementos que os constituem. No corpus, o conceito aparece como resultado possibilitado pela documentação de dataset, indicando que a transparência de composição é uma qualidade alcançada quando a documentação descreve adequadamente o conteúdo e a estrutura do conjunto de dados, permitindo que pesquisadores e usuários compreendam o que está sendo analisado ou utilizado.","topico":"Qualidade_de_Dados","aspecto":"Lingual","zonas":{"Objetivo":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"treinamento de conscientização em segurança","id":"treinamento_de_conscientização_em_segurança","definicao":"Conjunto de atividades educativas e formativas voltadas a aumentar o conhecimento e a vigilância dos usuários em relação a ameaças de segurança da informação, especialmente phishing e engenharia social. No corpus, o conceito aparece como intervenção que mitiga a engenharia social e influencia o comportamento de segurança da informação dos indivíduos, atuando como mecanismo preventivo centrado no fator humano.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Conclusão":1,"Recomendação":1,"Contexto Prévio":1},"n_relacoes":2,"n_trechos":3,"pagerank":0.00344,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"treinamento de funcionários","id":"treinamento_de_funcionários","definicao":"Processo de capacitação de funcionários com o objetivo de reduzir a vulnerabilidade organizacional a ataques de engenharia social, incluindo phishing. No corpus, o conceito aparece como medida de mitigação voltada ao fator humano, pressupondo que a exposição a conteúdo educativo ou simulações aumenta a capacidade dos indivíduos de reconhecer e resistir a tentativas de manipulação. A relação observada é de mitigação em relação à engenharia social, sem detalhamento dos métodos, conteúdos ou métricas de eficácia nos trechos disponíveis.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"treinamento multimodal","id":"treinamento_multimodal","definicao":"Abordagem de capacitação que combina múltiplos formatos ou modalidades de ensino (como texto, vídeo, simulações e exercícios práticos) para desenvolver habilidades de reconhecimento e resistência a ataques de phishing. No corpus, o conceito aparece exclusivamente na relação de mitigação com phishing, indicando seu papel como estratégia de defesa baseada em educação e treinamento de usuários.","topico":"Educação_e_Conscientização","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"trustphish-ai","id":"trustphish-ai","definicao":"Framework computacional para geração e avaliação de mensagens de phishing com auxílio de inteligência artificial, estruturado em torno de uma taxonomia de três classes e de mecanismos de augmentação controlada de fonte. Incorpora ponderação hierárquica classe-fonte como componente interno e se insere em um fluxo de governança e avaliação. Visa identificar comportamentos fora da distribuição esperada, funcionando como artefato de pesquisa que combina construção de dados sintéticos com análise classificatória de ameaças.","topico":"Detecção_e_Classificação_de_Phishing","aspecto":"Formativo","zonas":{"Método":3,"Objetivo":1,"Objeto":1},"n_relacoes":5,"n_trechos":5,"pagerank":0.00846,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"técnicas de segurança em nível de so","id":"técnicas_de_segurança_em_nível_de_so","definicao":"Mecanismos de proteção contra phishing implementados no nível do sistema operacional, mencionados no corpus como uma abordagem que supera em eficácia as barras de ferramentas antiphishing. O conceito aparece apenas em relação comparativa, sem descrição detalhada de suas características ou implementação específica no corpus disponível.","topico":"Defesa_e_Mitigação","aspecto":"Formativo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00201,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"tópicos políticos","id":"tópicos_políticos","definicao":"Assuntos ou eventos de natureza política utilizados como tema ou pretexto em mensagens de phishing para atrair a atenção das vítimas e aumentar a credibilidade do ataque. No corpus, o conceito aparece como um dos conteúdos temáticos explorados por atacantes na construção de iscas, ao lado de outros tópicos de interesse público, sendo referenciado na relação em que phishing explora tópicos políticos como vetor de engajamento.","topico":"Conteúdo_de_Isca","aspecto":"Lingual","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"urgência","id":"urgência","definicao":"Elemento de pressão temporal explorado em ataques de phishing e vishing para induzir a vítima a agir rapidamente, sem tempo para reflexão crítica. No corpus, aparece como recurso manipulativo acionado tanto em mensagens de e-mail quanto em abordagens por voz, funcionando como gatilho que compele o alvo a tomar decisões precipitadas. Não há ocorrências diretas no corpus que permitam distinguir nuances internas ao conceito, mas as relações observadas indicam que a urgência é operacionalizada como componente retórico-emocional das mensagens fraudulentas.","topico":"Manipulação_Psicológica","aspecto":"Sensitivo","zonas":{"Objeto":2},"n_relacoes":2,"n_trechos":2,"pagerank":0.00281,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"url de phishing","id":"url_de_phishing","definicao":"URL utilizada em ataques de phishing para direcionar vítimas a páginas fraudulentas, constituindo um componente estrutural da mensagem de phishing. No corpus, o conceito aparece como parte integrante do ataque de phishing, sem ocorrências diretas que permitam detalhar suas propriedades específicas além dessa relação de composição.","topico":"Infraestrutura_de_Ataque","aspecto":"Lingual","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"url enganosa","id":"url_enganosa","definicao":"URL construída para induzir o usuário a acreditar que está acessando um destino legítimo, mas que na realidade aponta para um recurso malicioso ou fraudulento. No corpus, aparece como componente técnico-linguístico central do phishing, sendo o meio pelo qual o ataque direciona a vítima a páginas falsas ou de coleta de credenciais. Distingue-se do conteúdo textual da mensagem (lingual) por envolver a aparência e a imitação de endereços confiáveis, e de técnicas de spoofing de domínio por focar especificamente na estrutura do localizador de recurso como vetor de engano.","topico":"Vetores_de_Ataque","aspecto":"Estético","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"usuário","id":"usuário","definicao":"Indivíduo que utiliza sistemas, serviços ou plataformas digitais e que figura como alvo ou destinatário em contextos de phishing, especialmente em ataques conduzidos por e-mail. No corpus, o conceito aparece como o polo receptor das mensagens maliciosas, sendo o sujeito cujas credenciais, dados ou ações são visados pelo atacante.","topico":"Fatores_Humanos","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00166,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"usuário de rede social","id":"usuário_de_rede_social","definicao":"Indivíduo que utiliza plataformas de redes sociais e que, no contexto do corpus, é identificado como alvo potencial de ataques de phishing. A relação observada indica que ataques de phishing são direcionados (VISA) a esse perfil de usuário, posicionando-o como vítima potencial em cenários de engenharia social mediados por redes sociais.","topico":"Alvos_De_Ataque","aspecto":"Social","zonas":{"Resultado":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"validação de identidade por foto","id":"validação_de_identidade_por_foto","definicao":"Processo de verificação de identidade baseado na análise de imagens fotográficas do usuário, utilizado como mecanismo de autenticação ou confirmação de identidade em sistemas digitais. No corpus, o conceito aparece exclusivamente como alvo explorado pela tecnologia de deepfake, sugerindo que ataques baseados em mídia sintética podem comprometer ou contornar esse tipo de controle de segurança.","topico":"Autenticação_e_Controle_de_Acesso","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00278,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"variação de desempenho entre modelos","id":"variação_de_desempenho_entre_modelos","definicao":"Diferença observada nos resultados de desempenho entre distintos modelos de detecção ou classificação, avaliada no contexto de comparações experimentais. No corpus, aparece como objeto de mensuração do bootstrap pareado, indicando que a variação é quantificada estatisticamente para determinar se as diferenças entre modelos são significativas ou atribuíveis ao acaso. Refere-se, portanto, à magnitude e consistência das discrepâncias de métricas (como acurácia, precisão ou F1) obtidas por diferentes abordagens sob as mesmas condições de teste.","topico":"Avaliação_de_Modelos","aspecto":"Quantitativo","zonas":{"Método":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0293_phishing"],"areas":["Detecção"]},{"nome":"verificação de identidade","id":"verificação_de_identidade","definicao":"Processo ou mecanismo destinado a confirmar a autenticidade da identidade de um usuário, sistema ou entidade, utilizado como contramedida para reduzir a eficácia de ataques de engenharia social. No corpus, o conceito aparece exclusivamente em relação de mitigação com engenharia_social, indicando seu papel como controle de segurança que dificulta a exploração de vulnerabilidades humanas por meio de manipulação e falsificação de identidade.","topico":"Controles_de_Segurança","aspecto":"Formativo","zonas":{"Recomendação":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"verificação de remetente","id":"verificação_de_remetente","definicao":"Processo de validação da autenticidade da identidade do remetente de uma mensagem, verificando se o endereço ou domínio de origem corresponde legitimamente à entidade declarada. No corpus, o conceito aparece como alvo de inibição pelo spoofing, indicando que técnicas de falsificação de identidade comprometem ou contornam os mecanismos de verificação de remetente, tornando-os ineficazes na detecção de mensagens fraudulentas.","topico":"Autenticação_e_Verificação","aspecto":"Analítico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00171,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"vetor de ataque","id":"vetor_de_ataque","definicao":"Canal ou meio técnico explorado para conduzir um ataque de phishing, como e-mail, SMS, voz ou plataformas de mensagens. No corpus, o conceito aparece como destino de influência da confiança acrítica em tecnologia, sugerindo que a crença irrefletida dos usuários em determinadas tecnologias facilita ou amplifica a eficácia de vetores específicos de ataque. O conceito designa, portanto, o ponto de entrada ou mecanismo de entrega pelo qual o ataque é perpetrado.","topico":"Infraestrutura_de_Ataque","aspecto":"Formativo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"violação de dados","id":"violação_de_dados","definicao":"Incidente de segurança no qual informações protegidas ou confidenciais são acessadas, divulgadas ou extraídas sem autorização. No corpus, o conceito aparece como causa de roubo de informação pessoal, indicando que a violação de dados é o evento precipitante que resulta na apropriação indevida de dados de indivíduos, sendo tratado como consequência de ataques de phishing ou outras ações maliciosas bem-sucedidas.","topico":"Segurança_da_Informação","aspecto":"Cinemático","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"vishing","id":"vishing","definicao":"Modalidade de phishing realizada por meio de canais de voz, como telefone convencional ou telefonia VoIP, na qual o atacante utiliza engenharia social para obter informações pessoais da vítima. O vishing pode empregar spoofing de identificador de chamadas e imitar práticas de telemarketing legítimo para aumentar a credibilidade do contato. A exploração de urgência é um recurso recorrente para pressionar a vítima a fornecer dados sensíveis. Distingue-se de outras formas de phishing pelo canal de comunicação utilizado (voz), em contraste com e-mail, SMS ou páginas web falsas.","topico":"Modalidades_De_Phishing","aspecto":"Formativo","zonas":{"Objeto":11},"n_relacoes":9,"n_trechos":11,"pagerank":0.01218,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"voip","id":"voip","definicao":"Tecnologia de comunicação de voz transmitida por redes de protocolo de internet (VoIP), utilizada no corpus como infraestrutura subjacente a ataques de vishing avançado. A relação observada indica que o VoIP é empregado como meio técnico para a realização de chamadas fraudulentas em ataques de engenharia social por voz.","topico":"Infraestrutura_Técnica","aspecto":"Físico","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00197,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"vulnerabilidade de senha","id":"vulnerabilidade_de_senha","definicao":"Fragilidade associada ao uso de senhas que expõe usuários ou sistemas a ataques de phishing e comprometimento de credenciais. No corpus, o conceito aparece como alvo ou resultado da influência de fatores humanos, sugerindo que comportamentos e características dos usuários — como escolha de senhas fracas, reutilização ou suscetibilidade a engenharia social — contribuem para a exposição a esse tipo de vulnerabilidade. O conceito situa-se na interseção entre comportamento humano e segurança de autenticação.","topico":"Segurança_de_Credenciais","aspecto":"Sensitivo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00361,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"vulnerabilidade humana","id":"vulnerabilidade_humana","definicao":"Suscetibilidade inerente a indivíduos de serem manipulados ou enganados em contextos de phishing, explorada por técnicas de engenharia social. No corpus, o conceito aparece como o alvo ou ponto de entrada das estratégias de manipulação psicológica, representando as fraquezas cognitivas, emocionais ou comportamentais humanas que tornam possível o sucesso de ataques de phishing independentemente de salvaguardas técnicas.","topico":"Fatores_Humanos","aspecto":"Sensitivo","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"vulnerabilidade psicológica","id":"vulnerabilidade_psicológica","definicao":"Suscetibilidade cognitiva ou emocional do indivíduo que pode ser explorada por técnicas de engenharia social em ataques de phishing. No corpus, o conceito aparece como alvo das estratégias de manipulação, referindo-se às fragilidades humanas — como tendência à confiança, resposta ao medo ou à urgência, e vieses de julgamento — que tornam o indivíduo propenso a ceder a solicitações fraudulentas. A relação observada posiciona a vulnerabilidade psicológica como o ponto de exploração sobre o qual a engenharia social atua, sem que o corpus forneça detalhes adicionais sobre sua operacionalização ou mensuração.","topico":"Fatores_Humanos","aspecto":"Sensitivo","zonas":{"Conclusão":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00173,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"vítima","id":"vítima","definicao":"Indivíduo ou entidade que é alvo de um ataque de phishing, especialmente no contexto de spear phishing, onde o ataque é direcionado especificamente a essa pessoa ou organização. No corpus, o conceito aparece como destino da ação maliciosa, sendo o receptor das mensagens fraudulentas elaboradas pelo atacante.","topico":"Atores_do_Ataque","aspecto":"Social","zonas":{"Objeto":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00172,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]},{"nome":"whatsapp","id":"whatsapp","definicao":"Plataforma de mensagens instantâneas utilizada como canal de distribuição de ataques de phishing, conforme indicado pela relação observada no corpus. Aparece como meio pelo qual mensagens fraudulentas são enviadas às vítimas, integrando o conjunto de vetores de comunicação explorados em campanhas de phishing.","topico":"Canais_de_Ataque","aspecto":"Físico","zonas":{"Contexto Prévio":1},"n_relacoes":1,"n_trechos":1,"pagerank":0.00174,"artigos":["g0066_phishing"],"areas":["Prevenção e Resposta"]}],"artigos":[{"id":"g0293_phishing","codigo":"G0293","titulo":"TrustPhish-AI: Safety-Gated Source-Aware Evaluation of Three-Class Phishing Detection Under Email-to-SMS Shift","ano":"2026","autores":["Aziz, Akam","Haje, Umran Abdullah"],"revista":"The Indonesian Journal of Computer Science","tipo_documental":"article","doi":"10.33022/ijcs.v15i4.5223","url":"https://doi.org/10.33022/ijcs.v15i4.5223","abstract":"Source shift can make phishing detectors appear stronger while concealing unsafe class-specific errors. This study evaluated TrustPhish-AI, a sourceaware governance and evaluation workflow for three-class detection Legitimate, Suspicious, and Phishing using controlled augmentation, locked evaluations, family-disjoint diagnostics, human adjudication, and pre-specified safety gates. The frozen training set contained 3,732 records from four source families. Evaluation used a locked 584-record validation set, a 587-record internal test set, a 788-record SMS compound test, and a 200- record SpamAssassin family-disjoint diagnostic. Classical word- and character-level TF-IDF logistic regression with cell-balanced augmentation achieved an internal macro-F1 of 0.9633 and a compound macro-F1 of 0.5461. DistilRoBERTa augmentation improved compound macro-F1 by 0.1524 relative to its reference model (95% CI: 0.1143–0.1914), but reduced phishing recall by 0.2374 and failed the pre-specified safety gates. A hierarchical transformer repair achieved an internal macro-F1 of 0.9668 and a compound macro-F1 of 0.5119. Its compound gain was 0.1774 (95% CI: 0.1410–0.2152), while phishing recall remained 0.2323 below the reference. Governance review included 492 dual-human consensus records, eight independently adjudicated disagreements, and protected-overlap screening. Candidate replacement sources were excluded because of provenance, licensing, channel, privacy, taxonomy, or overlap concerns; consequently, no records were added after the training freeze. The results demonstrate that sourceaware augmentation can improve targeted and aggregate performance, but such gains are insufficient when phishing-recall and severe-error safety criteria fail. The study contributes a governance and evaluation workflow rather than evidence of global source resistance or readiness for autonomous deployment..","palavras_chave":["phishing detection","source-aware evaluation","safety gates","email-to-SMS shift","three-class detection"],"anotado":true,"trechos":60,"conceitos":108,"relacoes":98,"resumo":"Avaliação do fluxo de governança e avaliação TrustPhish-AI para detecção de phishing em três classes (Legítimo, Suspeito e Phishing) com portões de segurança pré-especificados e análise de deslocamento de fonte entre e-mail e SMS.","foco":"Detecção","tipo":"Estudo Empírico","periodo":null,"aspectos":{"Quantitativo":26,"Analítico":44,"Formativo":27,"Lingual":7,"Social":1,"Econômico":1,"Jurídico":2},"temas":["Avaliação_de_Modelos","Detecção_de_Phishing","Aprendizado_de_Máquina","Qualidade_de_Dados","Desempenho_de_Detecção","Métricas_de_Avaliação","Avaliação_de_Desempenho","Metodologia_de_Pesquisa","Robustez_de_Modelos","Modelos_de_Linguagem","Metodologia_Científica","Detecção_e_Classificação","Gestão_de_Risco","Ataques_de_Phishing","Metodologia_de_Aprendizado_de_Máquina","Proteção_e_Defesa","Governança_de_Modelos","Classificação_e_Taxonomia","Representação_de_Texto","Métricas_de_Desempenho","Avaliação_de_Confiabilidade","Detecção_de_Anomalias","Desempenho_de_Classificação","Controle_de_Segurança","Classificação_Automática","Detecção_de_Ameaças","Ferramentas_de_Detecção","Alvos_de_Ataque","Detecção_e_Classificação_de_Phishing","Extração_de_Características","Validação_de_Anotação","Gestão_de_Segurança","Segurança_de_Sistemas","Vetores_de_Ataque","Técnicas_de_Engenharia_Social","Avaliação_de_Modelos_de_Detecção","Governança_de_Dados","Desempenho_de_Sistemas","Controle_de_Qualidade","Métricas_de_Concordância","Características_de_Conjuntos_de_Dados","Detecção_De_Phishing","Avaliação_de_Sistemas_de_Detecção","Gestão_de_Dados","Contramedidas_e_Defesa","Coleta_de_Dados","Métodos_de_Detecção","Dados_e_Privacidade"],"golpes":["Phishing por e-mail","Smishing"],"canais":["E-mail","SMS"],"metodos":["Regressão logística com TF-IDF em nível de palavra e caractere","Aumento de dados balanceado por célula","Ajuste fino de DistilRoBERTa","Transformador hierárquico","Adjudicação humana dual","Avaliação com portões de segurança pré-especificados","Diagnóstico disjunto por família"],"fontes":["SpamAssassin","Conjuntos públicos de SMS e e-mail"],"ferramentas":[],"unidades":["Mensagens"],"territorios":[],"setores":[],"teorias":[]},{"id":"g0066_phishing","codigo":"G0066","titulo":"The Evolution and Defense Against Social Engineering and Phishing Attacks","ano":"2025","autores":["Panda, Sibaram Prasad"],"revista":"International Journal of Science and Research (IJSR)","tipo_documental":"article","doi":"10.21275/sr25504223645","url":"https://doi.org/10.21275/sr25504223645","abstract":"A successful security system relies on both technology and operation, however, means and methods cannot substitute for motivation and awareness. Weaknesses in security management and human factors are inevitable and bound to exist. Social engineering malware can be categorized into two types, including online and offline malware. It is believed that building the technical defenses of systems would not be sufficient to defend phishing since phishing attacks inherently booked with the strong reliance on human factors in dealing with security. Social engineering and phishing attacks continue to represent significant threats to organizations and individuals, evolving alongside advancing technology and changing social dynamics. This paper examines the historical progression of these attack vectors, analyzes current trends, and evaluates emerging defensive measures. We present a comprehensive taxonomy of modern social engineering techniques, evaluate the effectiveness of technical and human - centered defenses, and propose a multi - layered defense framework that integrates artificial intelligence, behavioral analytics, and continuous awareness training. Our findings suggest that while technical solutions provide essential protection, the most effective defense strategies combine technological measures with human - centered approaches that enhance users' ability to recognize and respond to social engineering attempts. Any attack, regardless of ideas, motifs and means, shares its dependence on manipulation of human weakness or general vulnerabilities. Malware of online phishing is based on a model of fundamental human weaknesses which can be utilized for attackers' advantage and defenders’ design of countermeasures. An analysis of defense based on human weakness is proposed. Constructing social engineering attack model according to the need for Understanding Engineer Behavior in Order to Improve Defense Effectiveness.**","palavras_chave":["social engineering","phishing","cybersecurity","human factors","security awareness","cyber defense"],"anotado":true,"trechos":129,"conceitos":175,"relacoes":216,"resumo":"Artigo que examina a evolução histórica dos ataques de engenharia social e phishing, propõe uma taxonomia abrangente das técnicas modernas e avalia a eficácia de defesas técnicas e centradas no ser humano, propondo um framework de defesa multicamadas.","foco":"Prevenção e Resposta","tipo":"Proposta Conceitual","periodo":null,"aspectos":{"Quantitativo":1,"Cinemático":2,"Físico":12,"Sensitivo":17,"Analítico":6,"Formativo":66,"Lingual":22,"Social":24,"Econômico":7,"Estético":8,"Jurídico":4,"Pístico":6},"temas":["Vetores_de_Ataque","Defesa_e_Mitigação","Infraestrutura_de_Ataque","Fatores_Humanos","Engenharia_Social","Técnicas_de_Ataque","Ataques_de_Phishing","Alvos_de_Ataque","Fatores_Humanos_em_Segurança","Canais_de_Ataque","Táticas_de_Ataque","Segurança_da_Informação","Manipulação_Psicológica","Resposta_a_Incidentes","Propagação_de_Ataques","Engano_e_Falsificação","Alvos_de_Phishing","Identidade_Digital","Ameaças_Cibernéticas","Impacto_do_Ataque","Impacto_do_Phishing","Técnicas_de_Evasão","Detecção_de_Phishing","Mecanismos_de_Defesa","Vetor_de_Ataque","Autenticação_e_Controle_de_Acesso","Taxonomia_de_Ataques","Autenticação_e_Segurança","Infraestrutura_Técnica_de_Phishing","Alvos_e_Impactos_de_Ataques","Fatores_Humanos_em_Phishing","Segurança_de_Credenciais","Impactos_de_Ataques","Crimes_Digitais","Impactos_do_Phishing","Ameaças_Digitais","Segurança_Cibernética","Tecnologia_de_Ataque","Ciclo_do_Ataque","Modalidades_de_Ataque","Impacto_de_Ataques","Educação_e_Conscientização","Contramedidas_e_Defesa","Regulação_e_Governança_de_Cibersegurança","Controles_de_Segurança","Ataques_Cibernéticos","Treinamento_e_Conscientização","Fatores_Psicológicos","Comportamento_Humano_em_Segurança","Atores_de_Ameaça","Identidade_e_Representação","Infraestrutura_Tecnológica","Detecção_e_Prevenção_de_Phishing","Análise_de_E-mail","Infraestrutura_Web","Comunicação_por_E-mail","Estratégias_de_Defesa","Defesa_Organizacional","Fatores_Humanos_de_Vulnerabilidade","Defesa_e_Contramedidas","Autenticação_e_Verificação","Alvos_De_Phishing","Mecanismos_de_Segurança","Alvos_De_Ataque","Identidade_Alvo","Taxonomia_De_Ataques","Conteúdo_de_Isca","Contexto_Organizacional","Segurança_Computacional","Defesa_Técnica","Infraestrutura_de_Comunicação","Regulação_e_Conformidade","Infraestrutura_Técnica","Infraestrutura_de_E-mail","Contextos_de_Ataque","Atores_do_Ataque","Objetivos_de_Ataque","Dados_da_Vítima","Economia_do_Ataque","Automação_de_Ataques","Gestão_de_Incidentes","Vulnerabilidade_Humana","Modelagem_Formal","Ataques_e_Exploração","Conscientização_e_Treinamento","Técnicas_de_Engano","Motivação_e_Impacto_de_Ataques","Modalidades_De_Phishing","Fatores_Humanos_e_Psicológicos","Características_do_Ataque","Regulação_e_Governança_Digital","Detecção_De_Phishing","Resposta_Institucional","Dados_e_Privacidade","Detecção_de_Ameaças"],"golpes":["Phishing","Engenharia social"],"canais":[],"metodos":["Revisão narrativa","Modelagem conceitual de taxonomia"],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0163_phishing","codigo":"G0163","titulo":"CyberCane: Neuro-Symbolic RAG for Privacy-Preserving Phishing Detection with Formal Ontology Reasoning","ano":"2026","autores":["Hakim, Safayat Bin","Afzal, Aniqa","Zhao, Qi","Majmundar, Vigna","Sloboda, Pawel","Song, Houbing"],"revista":"Maryland Shared Open Access Repository","tipo_documental":"misc","doi":"10.13016/m2w2i0-osjt","url":"https://doi.org/10.13016/m2w2i0-osjt","abstract":"Privacy-critical domains require phishing detection systems that satisfy contradictory constraints: near-zero false positives to prevent workflow disruption, transparent explanations for non-expert staff, strict regulatory compliance prohibiting sensitive data exposure to external APIs, and robustness against AI-generated attacks. Existing rule-based systems are brittle to novel campaigns, while LLM-based detectors violate privacy regulations through unredacted data transmission. We introduce CyberCane, a neuro-symbolic framework integrating deterministic symbolic analysis with privacy-preserving retrieval-augmented generation (RAG). Our dual-phase pipeline applies lightweight symbolic rules to email metadata, then escalates borderline cases to semantic classification via RAG with automated sensitive data redaction and retrieval from a phishing-only corpus. We further introduce PhishOnt, an OWL ontology enabling verifiable attack classification through formal reasoning chains. Evaluation on DataPhish 2025 (12.3k emails; mixed human/LLM) and Nazario/SpamAssassin demonstrates a 78.6-point recall gain over symbolic-only detection on AI-generated threats, with precision exceeding 98% and FPR as low as 0.16%. Healthcare deployment projects a 542× ROI; tunable operating points support diverse risk tolerances, with open-source implementation at [https://github.com/sbhakim/Cybercane.](https://github.com/sbhakim/Cybercane) **Keywords:** Phishing detection, neuro-symbolic AI, privacy-preserving RAG, formal ontology reasoning","palavras_chave":[],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0173_phishing","codigo":"G0173","titulo":"Development and Validation of a Healthcare Workers Phishing Risk Exposure (HWPRE) Taxonomy for Mobile Email","ano":"2026","autores":["Collins, Christopher P.","Levy, Yair","Simco, Gregory","Wang, Ling"],"revista":"Journal of The Colloquium for Information Systems Security Education","tipo_documental":"article","doi":"10.53735/cisse.v13i1.228","url":"https://doi.org/10.53735/cisse.v13i1.228","abstract":"Email on mobile has become a dominant communication channel for healthcare professionals, yet its constrained interface and context of use amplify vulnerability to social engineering attacks, especially phishing. This paper reports the development and empirical validation of the Healthcare Workers Phishing Risk Exposure (HWPRE) taxonomy, a 2×2 framework that positions individuals by (i) general email phishing susceptibility; and (ii) ability to detect mobile-specific phishing cues. We followed a sequential three-phase design: (1) a Delphi study with cybersecurity subject matter experts to validate mobile-relevant phishing indicators and components of a susceptibility index; (2) a pilot to refine instruments and procedures; as well as (3) a large-scale study (𝑁𝑁=300 healthcare workers) using scenariobased assessments on smartphone-generated email stimuli. We present the construction of the Healthcare Workers Email Phishing Susceptibility Index (HWEPSI), reliability/validity evidence, and statistical analyses relating HWPRE placement to role, experience, medical departments, prior training, and demographic indicators. The results show significant heterogeneity across departments and experience bands; in addition, the ability to recognize mobile cues does not follow uniformly with general susceptibility. We discuss implications for targeted Security Education, Training, and Awareness (SETA) programs and measurement driven program evaluation. We conclude with practical guidance for integrating HWPRE into organizational phishing defense and directions for future research.","palavras_chave":["Phishing","social engineering","healthcare cybersecurity","mobile device cybersecurity","human factors in cybersecurity","SETA in healthcare"],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0175_phishing","codigo":"G0175","titulo":"Blockchain Transaction Simulation Phishing","ano":"2026","autores":["Wang, Xiaocan","Guan, Shixuan","Yang, Tong","Luo, Xiapu","Duan, Yue","Li, Kai"],"revista":"","tipo_documental":"misc","doi":"10.48550/arxiv.2607.28747","url":"https://doi.org/10.48550/arxiv.2607.28747","abstract":"Cryptocurrency users have increasingly become targets of phishing and scam attacks. To mitigate these threats, leading crypto wallets (e.g., MetaMask) have introduced transaction simulation, which pre-views a transaction’s balance changes before on-chain execution. While effective against traditional fund-draining attacks, we show that this defense can itself be exploited by a new phishing technique, which we term transaction simulation phishing. This attack uses carefully-crafted smart contracts whose execution depends on dynamic blockchain state, causing simulations to display benign or profitable outcomes while the actual on-chain execution redirects users’ funds to attacker-controlled addresses. We present the first comprehensive study of transaction simulation phishing. We first develop a taxonomy of phishing contracts that can be utilized to facilitate this attack. Then, we propose SimGuard, a bytecode-level detection system that combines static and dynamic program analysis to identify phishing contracts. Applying SimGuard to Ethereum, Binance Smart Chain, Avalanche, and Polygon, we detect over 4,000 phishing contracts deployed between August 2024 and June 2025. Our analysis identifies more than 5,700 victims and approximately \\$3.48 million USD in losses, 91.5% of which occurred on Ethereum. Moreover, our clustering result reveals that the largest phishing contract cluster alone accounts for about 83% of the total losses. These results expose a critical weakness in current wallet defenses and highlight the urgent need for more robust transaction simulation mechanisms.","palavras_chave":["Blockchain Phishing","Transaction Simulation"],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0205_phishing","codigo":"G0205","titulo":"Leveraging Metadata to Detect Phishing Where it Spreads","ano":"2026","autores":["Erfan, Mina"],"revista":"University of Ottawa","tipo_documental":"mastersthesis","doi":"10.20381/ruor-31661","url":"https://doi.org/10.20381/ruor-31661","abstract":"Phishing is one of the most persistent and evolving attacks in cybersecurity. Attackers are exploiting legitimate domains and various hosting and third-party platforms, making detection challenging. Many existing proactive detection methods still focus on identifying newly registered domains, often by monitoring data sources that signal suspicious domain activities. Although these approaches are effective at capturing a subset of attacks specifically those involving attacker-owned domains – they leave open the question of how many phishing campaigns actually rely on attacker-controlled infrastructure compared to compromised or third-party platforms. If attacker-owned domains are not the dominant category, then relying only on infrastructure-level data sources may miss a large portion of phishing activities. In such cases, effective detection needs to focus on other dimensions of phishing behavior, such as how they propagate across platforms and how users interact with them. We begin with a phishing domain ownership taxonomy that distinguishes between attacker-owned, compromised, and third-party platforms. Using our large-scale data sets, PhishXtract, collected over a year from multiple reporting feeds, we analyze how attackers leverage these different infrastructures. Our findings show that most phishing attacks are not hosted on attacker-owned domains. Instead, attackers often abuse legitimate infrastructures and third-party platforms to create their campaigns, which makes infrastructure-level indicators alone insufficient for detection. To address this limitation and recognizing the growing role of social media, we investigate it as a source of phishing propagation and explore its potential for alternative detection. These platforms are not only channels where phishing links spread, but also rich sources of data – ranging from message content to metadata and propagation patterns – that can be used to identify phishing activity at an early stage. By focusing on these signals, we use our TelePhish dataset to develop a lightweight approach that detects phishing at the message level without relying on infrastructure-based indicators. Finally, we compare this lightweight, propagation-based model against Large Language Model (LLM)s to assess whether advanced text-driven approaches outperform metadatadriven approach in social media. Our findings suggest that our lightweight, propagationbased models perform better for near real-time phishing detection, and it offers a balance between effectiveness and efficiency.","palavras_chave":[],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0232_phishing","codigo":"G0232","titulo":"Clouding the Mirror: Stealthy Prompt Injection Attacks Targeting LLM-based Phishing Detection","ano":"2026","autores":["Koide, Takashi","Nakano, Hiroki","Chiba, Daiki"],"revista":"","tipo_documental":"misc","doi":"10.48550/arxiv.2602.05484","url":"https://doi.org/10.48550/arxiv.2602.05484","abstract":"Phishing sites continue to grow in volume and sophistication. Recent work leverages large language models (LLMs) to analyze URLs, HTML, and rendered content to decide whether a website is a phishing site. While these approaches are promising, LLMs are inherently vulnerable to prompt injection (PI). Because attackers can fully control various elements of phishing sites, this creates the potential for PI that exploits the perceptual asymmetry between LLMs and humans: instructions imperceptible to end users can still be parsed by the LLM and can stealthily manipulate its judgment. The specific risks of PI in phishing detection and effective mitigation strategies remain largely unexplored. This paper presents the first comprehensive evaluation of PI against multimodal LLM-based phishing detection. We introduce a two-dimensional taxonomy, defined by Attack Techniques and Attack Surfaces, that captures realistic PI strategies. Using this taxonomy, we implement diverse attacks and empirically study several representative LLM-based detection systems. The results show that phishing detection with state-of-the-art models such as GPT-5 remains vulnerable to PI. We then propose InjectDefuser, a defense framework that combines prompt hardening, allowlist-based retrieval augmentation, and output validation. Across multiple models, InjectDefuser significantly reduces attack success rates. Our findings clarify the PI risk landscape and offer practical defenses that improve the reliability of next-generation phishing countermeasures.**","palavras_chave":[],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0253_phishing","codigo":"G0253","titulo":"PhishNet: A Cost-Sensitive Stacked-Ensemble Approach to Machine Learning-Based Phishing Website Detection","ano":"2026","autores":["Somaraju, Jahnavi","G, Dhanalakshmi","V, Rakshitha","G, Kavitha","A, Rajani"],"revista":"Zenodo","tipo_documental":"misc","doi":"10.5281/zenodo.21523014","url":"https://doi.org/10.5281/zenodo.21523014","abstract":"**Real-world phishing traffic is heavily imbalanced — legitimate URLs vastly outnumber phishing ones in any live traffic stream — and the two error types carry different costs: a missed phishing site (false negative) can lead directly to credential theft, while a legitimate site wrongly blocked (false positive) erodes user trust in the detector itself. Most published phishing classifiers are trained and evaluated on artificially balanced datasets with a single fixed decision threshold, which does not reflect either the imbalance or the asymmetric cost structure a detector actually faces in deployment. This paper proposes PhishNet, a cost-sensitive phishing detection system built around two design choices largely absent from prior singleclassifier or flat-ensemble systems: tiered feature acquisition, which extracts cheap lexical and DNS-level features first and only escalates to expensive page-rendering features when the cheap tier is inconclusive, and a stacked-generalization ensemble (five tier-appropriate base learners combined by a logistic-regression meta-learner) trained with fold-safe oversampling and an explicit cost matrix rather than a single fixed threshold. We present the tiered feature taxonomy, the stacking architecture, an imbalance-aware training pipeline, an edge-cached deployment design, and a cost-curve-based evaluation protocol for selecting a deployment-appropriate operating point rather than reporting one threshold-independent accuracy figure. A worked case study traces one URL through every tier of the pipeline. Full benchmark-scale quantitative results across the proposed test scenarios are scoped as the immediate next phase of this work and are described here as a concrete, reproducible protocol.** **Keywords: Phishing Detection, Cost-Sensitive Learning, Stacked Generalization, Class Imbalance, Cybersecurity, Feature Engineering, LightGBM, Machine Learning**","palavras_chave":[],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0296_phishing","codigo":"G0296","titulo":"Phishing in the age of distributed intelligence: taxonomies, detection strategies, and the emerging role of federated learning","ano":"2026","autores":["Daoud, Esraa","Garcia-Blas, Javier","Alawadi, Sadi","Carretero, J."],"revista":"Progress in Artificial Intelligence","tipo_documental":"article","doi":"10.1007/s13748-026-00448-6","url":"https://doi.org/10.1007/s13748-026-00448-6","abstract":"Phishing has evolved into one of the most adaptive and damaging cybersecurity threats, continually reshaping itself to exploit human behaviour, technical vulnerabilities, and, more recently, advances in artificial intelligence. As attack vectors diversify from traditional email scams to sophisticated, multi-stage, AI-generated, and hybrid phishing campaigns, defending against them has become significantly challenging. This survey provides a comprehensive and contemporary examination of the phishing landscape, tracing its evolution, analysing real-world incidents, and contextualising its growing impact through global statistics. We introduce a unified, multidimensional taxonomy that categorizes phishing attacks into distinct categories, providing a clearer understanding of how new attack techniques operate and escalate. In parallel, we review a broader range of phishing detection strategies, from list-based, heuristic, and similarity-driven techniques to modern machine learning and deep learning approaches. While these methods have advanced detection capabilities, they continue to face significant constraints related to data privacy, scalability, and the rapid emergence of novel attack patterns. Motivated by these limitations, the survey highlights the growing relevance of Federated Learning (FL) as a privacy-preserving and collaborative paradigm for phishing detection. To the best of our knowledge, this is the first comprehensive survey to examine phishing defence through the lens of FL. In particular, we examine the role of FL in enabling decentralized, privacy-aware detection without exchanging raw data, compared to centralized training in terms of performance, privacy guarantees, resilience, and scalability. Drawing from this analysis, we offer valuable insights into critical research gaps and future directions for developing robust, scalable, and privacy-aware phishing detection solutions. **Keywords** Phishing · Cybersecurity · Privacy-Preserving · Machine Learning · Federated Learning · Anti-Phishing Strategies · Phishing Targets · Phishing Media · Phishing Phases · Phishing Techniques · Malware · Social engineering","palavras_chave":[],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0204_phishing","codigo":"G0204","titulo":"LLM-Powered Intent-Based Categorization of Phishing Emails","ano":"2025","autores":["Eilertsen, Even","Mavroeidis, Vasileios","Grov, Gudmund"],"revista":"2025 IEEE International Conference on Cyber Security and Resilience (CSR)","tipo_documental":"inproceedings","doi":"10.1109/csr64739.2025.11130105","url":"https://doi.org/10.1109/csr64739.2025.11130105","abstract":"Phishing attacks remain a significant threat to modern cybersecurity, as they successfully deceive both humans and the defense mechanisms intended to protect them. Traditional detection systems primarily focus on email metadata that users cannot see in their inboxes. Additionally, these systems struggle with phishing emails, which experienced users can often identify empirically by the text alone. This paper investigates the practical potential of Large Language Models (LLMs) to detect these emails by focusing on their intent. In addition to the binary classification of phishing emails, the paper introduces an intenttype taxonomy, which is operationalized by the LLMs to classify emails into distinct categories and, therefore, generate actionable threat information. To facilitate our work, we have curated publicly available datasets into a custom dataset containing a mix of legitimate and phishing emails. Our results demonstrate that existing LLMs are capable of detecting and categorizing phishing emails, underscoring their potential in this domain.**","palavras_chave":["cybersecurity","email security","phishing detection","large language models","AI","cyber threat information"],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0216_phishing","codigo":"G0216","titulo":"SoK: Systematizing Generation, Characteristics, and Defenses in LLM-Generated Phishing","ano":"2025","autores":["Chen, Fengchao","Wu, Tingmin","Nguyen, Van-Linh","Rudolph, Carsten"],"revista":"","tipo_documental":"misc","doi":"10.48550/arxiv.2508.21457","url":"https://doi.org/10.48550/arxiv.2508.21457","abstract":"The rapid advancement of Large Language Models (LLMs), with their growing abuse in phishing, has enabled phishing content, including deceptive pretexts and other persuasive elements, to be generated at a scale difficult to achieve manually. This growing misuse of LLMs in phishing raises questions about potential LLM-driven changes in phishing characteristics, associated security implications for users, and the resulting challenges to existing defenses. While prior research has examined individual dimensions, including threats of LLM abuse, LLM-driven phishing, user susceptibility to phishing, and phishing defenses, these efforts remain fragmented and have not been consolidated into a comprehensive understanding of how these dimensions interrelate. To address this research gap, we provide a systematic examination of the LLM-generated phishing landscape, including a taxonomy of LLM manipulation methods, characteristics associated with LLM-generated phishing threats, and a taxonomy of defenses aligned with these manipulation methods. We also benchmark five academic and five industrial phishing detectors across datasets associated with different LLM-based generation methods. We further extract insights and research gaps that suggest promising directions for future research in this growing area. Our findings underscore the need for countermeasures that are evaluated across LLM generators and manipulation strategies. Our work provides a systematic foundation for studying LLM-generated phishing, enabling more consistent comparison and evaluation across the community.","palavras_chave":[],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0257_phishing","codigo":"G0257","titulo":"Enhancing Phishing Detection on Twitter through Deep Learning and the MITRE ATT&CK Framework","ano":"2025","autores":["Karpurapu, Rajesh","Imambi, S. Sagar"],"revista":"Springer Science and Business Media LLC","tipo_documental":"misc","doi":"10.21203/rs.3.rs-6573597/v1","url":"https://doi.org/10.21203/rs.3.rs-6573597/v1","abstract":"Social engineering attacks are a growing threat to cybersecurity, as they exploit human vulnerabilities through psychological manipulation. Twitter, owing to its real-time interaction and extensive user base, has become a prime platform for such attacks. Attackers use various techniques such as phishing and impersonation to deceive unsuspecting users. This paper proposes a comprehensive detection system that integrates deep learning models, namely Long Short-Term Memory (LSTM), Recurrent Neural Networks (RNN), and Bidirectional Encoder Representations from Transformers (BERT), with the MITRE ATT&CK framework, which provides a structured taxonomy of tactics, techniques, and procedures (TTPs) used by adversaries. The MITRE ATT&CK framework was leveraged to classify deceptive cyber infiltration into distinct phases, enhancing detection precision and context. Data collected from Twitter were preprocessed and mapped to specific ATT&CK TTPs, enabling deep learning models to achieve a more structured classification. Among the models tested, BERT outperformed the other models, achieving a detection accuracy of 95%. The results demonstrated the utility of combining deep learning techniques with structured cybersecurity frameworks such as MITRE ATT&CK to detect social engineering threats on social media platforms in a scalable manner.","palavras_chave":[],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0023_phishing","codigo":"G0023","titulo":"A State-of-the-Art Review on Phishing Website Detection Techniques","ano":"2024","autores":["Li, Wenhao","Manickam, Selvakumar","Chong, Yung-Wey","Leng, Weilan","Nanda, Priyadarsi"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/access.2024.3514972","url":"https://doi.org/10.1109/access.2024.3514972","abstract":"Phishing attacks remain a significant cybersecurity threat, with phishing websites serving as a primary tool for attackers to deceive users and steal sensitive information. The rapid evolution of phishing tactics has spurred the development of increasingly sophisticated detection mechanisms. This paper provides a comprehensive review of state-of-the-art techniques for phishing website detection, highlighting recent advancements in the field. In particular, it addresses emerging methods for detection, such as graph-based, large language model (LLM)-based approaches and phishing kit-based detection methods, which have not been extensively covered in previous surveys. By critically reviewing recent works from reliable databases, this study constructs a new taxonomy for phishing detection techniques. This review offers a comparison of these techniques, highlighting their strengths and limitations, and explores the challenges of real-world applications of these detection systems. Furthermore, the role of artificial intelligence (AI) in phishing website detection is discussed, and future research directions to improve detection capabilities are suggested. This work addresses emerging and uncovered phishing website detection methods in previous review papers and provides valuable insights for both researchers and practitioners working to develop more robust phishing website detection systems.","palavras_chave":["Cybersecurity","deep learning","machine learning","phishing website detection."],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0098_phishing","codigo":"G0098","titulo":"A Critical Review: Revisiting Phishing Attacks Classification and Analysis of Techniques Employed in Taxonomies","ano":"2023","autores":["Ogaili, Riyadh Rahef Nuiaa Al","Manickam, Selvakumar"],"revista":"Wasit Journal of Pure sciences","tipo_documental":"article","doi":"10.31185/wjps.143","url":"https://doi.org/10.31185/wjps.143","abstract":"People are increasingly sharing their personal information online as internet usage grows. As a result, fraudsters have access to a massive amount of personal information and financial activities. In recent years, phishing assaults have become one of the most common threats faced by internet users, governments, and service providers. The attacker(s) uses falsified emails or bogus websites to obtain the client's sensitive data (i.e., user account login details, credit/debit card numbers, etc.) in a phishing assault. Studies have classed phishing attacks based on fundamental phishing mechanisms and defenses, ignoring the importance of the phishing lifecycle from beginning to conclusion. This study also provides a new thorough taxonomy of phishing assaults, including attack phases, attacker types, vulnerabilities, threats, targets, attack media, and attacking strategies. Furthermore, the proposed anatomy will help readers comprehend the full lifecycle of a phishing attack, which will raise awareness of these phishing attacks and the strategies utilized; it will also aid in the development of a comprehensive anti-phishing system. In addition, various preventative precautions are being investigated.","palavras_chave":["Cybersecurity","Phishing Attacks","Internet security","Information security","Phishing Attack Taxonomy."],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0146_phishing","codigo":"G0146","titulo":"Toward a phishing attack ontology","ano":"2023","autores":["Oliveira, Ítalo","Calhau, Rodrigo F.","Guizzardi, Giancarlo"],"revista":"Companion Proceedings of the 42nd International Conference on Conceptual Modeling: ER Forum, 7th SCME, Project Exhibitions, Posters and Demos, and Doctoral Consortium (ER-Companion 2023)","tipo_documental":"inproceedings","doi":"","url":"https://ceur-ws.org/Vol-3618/forum\\_paper\\_25.pdf","abstract":"Phishing attacks are the most common form of social engineering where attackers intend to deceive targeted people into revealing sensitive information or installing malware. To understand the dynamics of phishing attacks and design suitable countermeasures, particularly the promotion of phishing awareness, cybersecurity researchers have proposed several domain conceptual models and lightweight ontologies. Despite the growing literature in ontology engineering highlighting the advantages of employing upper and reference ontologies for domain modeling, current phishing attack models lack ontological foundations. As a result, they suffer from a number of shortcomings, such as false agreements, informality, and limited interoperability. To address this gap, we propose a Phishing Attack Ontology (PHATO) grounded in the Reference Ontology for Security Engineering (ROSE) and the Common Ontology of Value and Risk (COVER), which are both founded in the Unified Foundational Ontology (UFO). Our proposal is represented through the OntoUML ontology-driven conceptual modeling language, benefiting from its ecosystem of tools and domain ontologies. We also discuss some implications of PHATO for the design of anti-phishing countermeasures.","palavras_chave":["phishing attack","social engineering","cybersecurity","phishing attack ontology","reference ontology for security engineering","common ontology of value and risk","unified foundational ontology"],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0259_phishing","codigo":"G0259","titulo":"A Review of the Current Status, Categorization, And Future Prospects of Web Phishing Detection Methods","ano":"2023","autores":["Apea, Nana Yaw Ofosu","Yin, Chunyong"],"revista":"International Journal of Engineering Research & Technology (IJERT)","tipo_documental":"article","doi":"10.5281/zenodo.18334408","url":"https://doi.org/10.5281/zenodo.18334408","abstract":"More than half of the world's population now lives online thanks to the internet. Unfortunately, as online transactions increase, so do cybercrimes, which are on the rise. Due to the anonymity of the internet, hackers try to trick end users by using phishing, malware, SQL injection, man-in-the-middle attacks, domain name system tunneling, ransomware, web trojans, and other techniques. Phishing is the most cunning assault among them because it preys on end-user weaknesses. Phishing frequently uses emails and rogue websites to trick users by seeming to be a reliable business. Many anti-phishing strategies have been proposed by security experts. There is currently no single solution that can eliminate all vulnerabilities. A taxonomy of automated web phishing detection is offered after a thorough analysis of current trends in web phishing detection approaches. This study's goal is to review the state of the art in automated web phishing detection research and assess its effectiveness. The research directions for further study are also discussed in this work.**","palavras_chave":["Phishing; Web phishing; Taxonomy; Survey; Zerohour"],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0001_phishing","codigo":"G0001","titulo":"Deep Learning for Phishing Detection: Taxonomy, Current Challenges and Future Directions","ano":"2022","autores":["Quang, Nguyet","Selamat, Ali","Krejcar, Ondřej","Herrera‐Viedma, Enrique","Fujita, Hamido"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/access.2022.3151903","url":"https://doi.org/10.1109/access.2022.3151903","abstract":"Phishing has become an increasing concern and captured the attention of end-users as well as security experts. Existing phishing detection techniques still suffer from the deficiency in performance accuracy and inability to detect unknown attacks despite decades of development and improvement. Motivated to solve these problems, many researchers in the cybersecurity domain have shifted their attention to phishing detection that capitalizes on machine learning techniques. Deep learning has emerged as a branch of machine learning that becomes a promising solution for phishing detection in recent years. As a result, this study proposes a taxonomy of deep learning algorithm for phishing detection by examining 81 selected papers using a systematic literature review approach. The paper first introduces the concept of phishing and deep learning in the context of cybersecurity. Then, taxonomies of phishing detection and deep learning algorithm are provided to classify the existing literature into various categories. Next, taking the proposed taxonomy as a baseline, this study comprehensively reviews the state-of-the-art deep learning techniques and analyzes their advantages as well as disadvantages. Subsequently, the paper discusses various issues that deep learning faces in phishing detection and proposes future research directions to overcome these challenges. Finally, an empirical analysis is conducted to evaluate the performance of various deep learning techniques in a practical context, and to highlight the related issues that motivate researchers in their future works. The results obtained from the empirical experiment showed that the common issues among most of the state-of-the-art deep learning algorithms are manual parameter-tuning, long training time, and deficient detection accuracy.","palavras_chave":["Cybersecurity","deep learning","machine learning","phishing detection."],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0013_phishing","codigo":"G0013","titulo":"Taxonomy of Cybersecurity Awareness Delivery Methods: A Countermeasure for Phishing Threats","ano":"2021","autores":["Alhashmi, Asma A.","Darem, Abdulbasit A.","Abawajy, Jemal"],"revista":"International Journal of Advanced Computer Science and Applications","tipo_documental":"article","doi":"10.14569/ijacsa.2021.0121004","url":"https://doi.org/10.14569/ijacsa.2021.0121004","abstract":"Phishing is a serious threat to the Internet users and has become a vehicle for cybercriminals to perpetrate largescale crimes worldwide. A wide range of technical and educational measures have been developed and used to address phishing threats. However, the technical anti-phishing measures have been widely studied in the current literature whereas comprehensive analysis of the non-technical anti-phishing techniques has generally been ignored. To close this gap, we develop a new taxonomy of the most common cybersecurity training delivery methods and compare them along various factors. The work reported in this paper is useful for various stakeholders. For organizations conducting or considering phishing training, it helps them understand the various awareness training and phishing campaigns capabilities and design an appropriate program with a meaningful return. For researchers, it offers a clearer understanding of the main challenges, the existing solution space, and the potential scope of future research to be addressed.**","palavras_chave":["Phishing attack; human factors in cybersecurity; cybersecurity threats; cybersecurity awareness; anti-phishing awareness delivery methods"],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0007_phishing","codigo":"G0007","titulo":"An In-Depth Benchmarking and Evaluation of Phishing Detection Research for Security Needs","ano":"2020","autores":["Aassal, Ayman El","Baki, Shahryar","Das, Avisha","Verma, Rakesh"],"revista":"IEEE Access","tipo_documental":"article","doi":"10.1109/access.2020.2969780","url":"https://doi.org/10.1109/access.2020.2969780","abstract":"We perform an in-depth, systematic benchmarking study and evaluation of phishing features on diverse and extensive datasets. We propose a new taxonomy of features based on the interpretation and purpose of each feature. Next, we propose a benchmarking framework called ‘PhishBench,’ which enables us to evaluate and compare the existing features for phishing detection systematically and thoroughly under identical experimental conditions, i.e., unified system specification, datasets, classifiers, and evaluation metrics. PhishBench is a first in the field of benchmarking phishing related research and incorporates thorough and systematic evaluation and feature comparison. We use PhishBench to test methods published in the phishing literature on new and diverse datasets to check their robustness and scalability. We study how dataset characteristics, e.g., varying legitimate to phishing ratios and increasing the size of imbalanced datasets, affect classification performance. Our results show that the imbalanced nature of phishing attacks affects the detection systems’ performance and researchers should take this into account when proposing a new method. We also found that retraining alone is not enough to defeat new attacks. New features and techniques are required to stop attackers from fooling detection systems.","palavras_chave":["Feature engineering","feature taxonomy","framework","phishing email","phishing URL","phishing website."],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0048_phishing","codigo":"G0048","titulo":"Tracing Cryptocurrency Scams: Clustering Replicated Advance-Fee and Phishing Websites","ano":"2020","autores":["Phillips, Ross C.","Wilder, Heidi"],"revista":"2020 IEEE International Conference on Blockchain and Cryptocurrency (ICBC)","tipo_documental":"inproceedings","doi":"10.1109/icbc48266.2020.9169433","url":"https://doi.org/10.1109/icbc48266.2020.9169433","abstract":"Over the past few years, there has been a growth in activity, public knowledge, and awareness of cryptocurrencies and related blockchain technology. As the industry has grown, there has also been an increase in scams looking to steal unsuspecting individuals’ cryptocurrency. Many of the scams operate on visually similar but seemingly unconnected websites, advertised by malicious social media accounts, which either attempt an advance-fee scam or operate as phishing websites. This paper analyses public online and blockchain-based data to provide a deeper understanding of these cryptocurrency scams. The clustering technique DBSCAN is applied to the content of scam websites to discover a typology of advance-fee and phishing scams. It is found that the same entities are running multiple instances of similar scams, revealed by their online infrastructure and blockchain activity. The entities also manufacture public blockchain activity to create the appearance that their scams are genuine. Through source and destination of funds analysis, it is observed that victims usually send funds from fiat-accepting exchanges. The entities running these scams cash-out or launder their proceeds using a variety of avenues including exchanges, gambling sites, and mixers.**","palavras_chave":["cryptocurrency","blockchain forensics","advance-fee scams","trust trading","phishing","Bitcoin","Ethereum."],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0067_phishing","codigo":"G0067","titulo":"Defending against Phishing Attacks: Taxonomy of Methods, Current Issues and Future Directions","ano":"2017","autores":["Gupta, Brij B.","Arachchilage, Nalin Asanka Gamagedara","Psannis, Kostas E."],"revista":"","tipo_documental":"misc","doi":"10.48550/arxiv.1705.09819","url":"https://doi.org/10.48550/arxiv.1705.09819","abstract":"Internet technology is so pervasive today, for example, from online social networking to online banking, it has made people’s lives more comfortable. Due the growth of Internet technology, security threats to systems and networks are relentlessly inventive. One such a serious threat is “phishing”, in which, attackers attempt to steal the user’s credentials using fake emails or websites or both. It is true that both industry and academia are working hard to develop solutions to combat against phishing threats. It is therefore very important that organisations to pay attention to end-user awareness in phishing threat prevention.","palavras_chave":["Phishing","Security","Malware","Social engineering","Spam","Visual similarity","Data mining","Machine learning"],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0009_phishing","codigo":"G0009","titulo":"An Intelligent Classification Model for Phishing Email Detection","ano":"2016","autores":["Yasin, Adwan","Abuhasan, Abdelmunem"],"revista":"International Journal of Network Security & Its Applications","tipo_documental":"article","doi":"10.5121/ijnsa.2016.8405","url":"https://doi.org/10.5121/ijnsa.2016.8405","abstract":"**Phishing attacks are one of the trending cyber-attacks that apply socially engineered messages that are communicated to people from professional hackers aiming at fooling users to reveal their sensitive information, the most popular communication channel to those messages is through users’ emails. This paper presents an intelligent classification model for detecting phishing emails using knowledge discovery, data mining and text processing techniques. This paper introduces the concept of phishing terms weighting which evaluates the weight of phishing terms in each email. The pre-processing phase is enhanced by applying text stemming and WordNet ontology to enrich the model with word synonyms. The model applied the knowledge discovery procedures using five popular classification algorithms and achieved a notable enhancement in classification accuracy; 99.1% accuracy was achieved using the Random Forest algorithm and 98.4% using J48, which is –to our knowledge- the highest accuracy rate for an accredited data set. This paper also presents a comparative study with similar proposed classification techniques.**","palavras_chave":["phishing","data mining","email classification","Random Forest","J48."],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]},{"id":"g0062_phishing","codigo":"G0062","titulo":"Phishing Detection in IMS Using Domain Ontology and CBA - An Innovative Rule Generation Approach","ano":"2014","autores":["Qaseem, Mohammad S.","A, Govardhan"],"revista":"International Journal of Information Sciences and Techniques","tipo_documental":"article","doi":"10.5121/ijist.2014.4601","url":"https://doi.org/10.5121/ijist.2014.4601","abstract":"**User ignorance towards the use of communication services like Instant Messengers, emails, websites, social networks etc. is becoming the biggest advantage for phishers. It is required to create technical awareness in users by educating them to create a phishing detection application which would generate phishing alerts for the user so that phishing messages are not ignored. The lack of basic security features to detect and prevent phishing has had a profound effect on the IM clients, as they lose their faith in e-banking and e-commerce transactions, which will have a disastrous impact on the corporate and banking sectors and businesses which rely heavily on the internet. Very little research contributions were available in for phishing detection in Instant messengers. A context based, dynamic and intelligent phishing detection methodology in IMs is proposed, to analyze and detect phishing in Instant Messages with relevance to domain ontology (OBIE) and utilizes the Classification based on Association (CBA) for generating phishing rules and alerting the victims. A PDS Monitoring system algorithm is used to identify the phishing activity during exchange of messages in IMs, with high ratio of precision and recall. The results have shown improvement by the increased percentage of precision and recall when compared to the existing methods.**","palavras_chave":["Instant Messengers","Phishing detection","Ontology based Information Extraction (OBIE)","Classification based Association (CBA)","triplet algorithm."],"anotado":false,"trechos":0,"conceitos":0,"relacoes":0,"resumo":"","foco":"","tipo":"","periodo":null,"aspectos":{},"temas":[],"golpes":[],"canais":[],"metodos":[],"fontes":[],"ferramentas":[],"unidades":[],"territorios":[],"setores":[],"teorias":[]}],"topicos":[{"nome":"Detecção_de_Phishing","conceitos":17,"exemplos":["desempenho de detecção","ponderação hierárquica classe-fonte","detecção de phishing baseada em conteúdo","detecção de phishing por e-mail","diversidade de fontes independentes","abordagem pré-fetch","características léxicas e semânticas","classificação de phishing como legítimo","desempenho em sms","detecção de phishing baseada em transformer","detecção operacional de phishing","erro de classificação de phishing"],"artigos":["g0066_phishing","g0293_phishing"],"n_artigos":2},{"nome":"Vetores_de_Ataque","conceitos":11,"exemplos":["phishing por e-mail","malware","redirecionamento de url","link malicioso","perfil falso em rede social","campanha publicitária em rede social","e-mail de spam","e-mail falsificado","mensagem direta","realidade virtual","url enganosa"],"artigos":["g0066_phishing","g0293_phishing"],"n_artigos":2},{"nome":"Ataques_de_Phishing","conceitos":6,"exemplos":["phishing","engenharia social","spear phishing","phishing automatizado","ataque avançado de vishing","ataque de impersonação"],"artigos":["g0066_phishing","g0293_phishing"],"n_artigos":2},{"nome":"Alvos_de_Ataque","conceitos":5,"exemplos":["credenciais de acesso","executivos","indivíduos específicos","informação privada","segredos corporativos"],"artigos":["g0066_phishing","g0293_phishing"],"n_artigos":2},{"nome":"Contramedidas_e_Defesa","conceitos":2,"exemplos":["ação operacional de bloqueio","remoção de conteúdo"],"artigos":["g0066_phishing","g0293_phishing"],"n_artigos":2},{"nome":"Detecção_De_Phishing","conceitos":2,"exemplos":["abordagem pós-fetch","comunicação suspeita"],"artigos":["g0066_phishing","g0293_phishing"],"n_artigos":2},{"nome":"Dados_e_Privacidade","conceitos":1,"exemplos":["informação sensível"],"artigos":["g0066_phishing","g0293_phishing"],"n_artigos":2},{"nome":"Detecção_de_Ameaças","conceitos":1,"exemplos":["detecção de phishing"],"artigos":["g0066_phishing","g0293_phishing"],"n_artigos":2},{"nome":"Avaliação_de_Modelos","conceitos":22,"exemplos":["limiar de segurança","macro-f1 agregado","recall de phishing","adequação para implantação","aprovação de modelo","desempenho entre fontes","desempenho family-disjoint","aprovação de modelo com trade-off de segurança","bootstrap pareado","calibração do modelo","coeficiente de correlação de matthews","conjunto de teste externo independente"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Defesa_e_Mitigação","conceitos":10,"exemplos":["programa de conscientização","treinamento de conscientização em segurança","ecossistema de segurança integrado","educação do usuário","ferramenta de apoio à decisão","filtragem de e-mail","política de segurança","protocolo de segurança","treinamento de funcionários","técnicas de segurança em nível de so"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Infraestrutura_de_Ataque","conceitos":9,"exemplos":["conta falsa","conta falsa em rede social","dns spoofing","kit de phishing","mídia social","rede social","site falso","url de phishing","vetor de ataque"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Fatores_Humanos","conceitos":8,"exemplos":["comportamento humano","confiança da vítima","conhecimento geral sobre phishing","manipulação humana","princípios psicológicos","usuário","vulnerabilidade humana","vulnerabilidade psicológica"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Aprendizado_de_Máquina","conceitos":7,"exemplos":["augmentação de dados","regressão logística","ajuste adicional de modelo","aprendizado de atalho","augmentação orientada a fonte","contaminação do conjunto de treinamento","modelos de linguagem pré-treinados"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Engenharia_Social","conceitos":6,"exemplos":["pretexting","baiting","personificação","exploração de engenharia social","fonte confiável","funcionário interno"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Técnicas_de_Ataque","conceitos":6,"exemplos":["spoofing","ataque de um clique","tecnologia de deepfake","ataque de replay","deepfake","isca"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Canais_de_Ataque","conceitos":4,"exemplos":["redes sociais","publicidade em mídia social","telefone","whatsapp"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Fatores_Humanos_em_Segurança","conceitos":4,"exemplos":["consciência sobre phishing","comportamento de segurança da informação","confiança acrítica em tecnologia","erro humano"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Qualidade_de_Dados","conceitos":4,"exemplos":["auditoria de sobreposição","contaminação de dados de treinamento","exclusão de dados","transparência de composição"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Táticas_de_Ataque","conceitos":4,"exemplos":["ataque direcionado","coleta de informação da vítima","reconhecimento online","coleta de informações"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Avaliação_de_Desempenho","conceitos":3,"exemplos":["métrica agregada única","desempenho agregado","desempenho composto email-sms"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Desempenho_de_Detecção","conceitos":3,"exemplos":["erro de classificação severo","segurança de detecção de phishing","taxa de phishing classificado como legítimo"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Manipulação_Psicológica","conceitos":3,"exemplos":["urgência","autoridade percebida","decepção"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Metodologia_de_Pesquisa","conceitos":3,"exemplos":["coleta de dados primários","documentação de dataset","restrições de tempo e recursos"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Modelos_de_Linguagem","conceitos":3,"exemplos":["distilroberta","arquitetura transformer","pré-treinamento roberta"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Métricas_de_Avaliação","conceitos":3,"exemplos":["macro-f1 composto","macro-f1","macro-f1 interno"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Robustez_de_Modelos","conceitos":3,"exemplos":["resistência a fontes","divergência fora da distribuição","resistência global a fontes"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Segurança_da_Informação","conceitos":3,"exemplos":["incidente de cibersegurança","risco de violação de dados","violação de dados"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Alvos_de_Phishing","conceitos":2,"exemplos":["banco","trabalhadores de agência"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Ameaças_Cibernéticas","conceitos":2,"exemplos":["ataque cibernético corporativo","malware como serviço"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Autenticação_e_Controle_de_Acesso","conceitos":2,"exemplos":["derrota da autenticação multifator","validação de identidade por foto"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Detecção_e_Classificação","conceitos":2,"exemplos":["classificação seletiva","abstenção em decisões incertas"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Engano_e_Falsificação","conceitos":2,"exemplos":["entidade confiável","identidade legítima"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Gestão_de_Risco","conceitos":2,"exemplos":["revisão de governança","risco operacional"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Identidade_Digital","conceitos":2,"exemplos":["identidade de usuário","perfil falso"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Impacto_do_Ataque","conceitos":2,"exemplos":["informação da vítima","acesso a propriedade privada"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Impacto_do_Phishing","conceitos":2,"exemplos":["exposição de informação pessoal","perda financeira"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Mecanismos_de_Defesa","conceitos":2,"exemplos":["autenticação multifator","barra de ferramentas antiphishing"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Metodologia_Científica","conceitos":2,"exemplos":["método científico","revisão humana"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Propagação_de_Ataques","conceitos":2,"exemplos":["comprometimento de novas vítimas","contágio"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Resposta_a_Incidentes","conceitos":2,"exemplos":["comunicação com helpdesk","reporte de ameaças"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Taxonomia_de_Ataques","conceitos":2,"exemplos":["ataque oportunista","phishing em rede social"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Técnicas_de_Evasão","conceitos":2,"exemplos":["codificação de url","identificador numérico gerado artificialmente"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Vetor_de_Ataque","conceitos":2,"exemplos":["hiperlink infectado","telemarketing legítimo"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Alvos_De_Ataque","conceitos":1,"exemplos":["usuário de rede social"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Alvos_De_Phishing","conceitos":1,"exemplos":["instituição financeira"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Alvos_e_Impactos_de_Ataques","conceitos":1,"exemplos":["informação pessoal"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Ameaças_Digitais","conceitos":1,"exemplos":["ataque cibernético"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Análise_de_E-mail","conceitos":1,"exemplos":["cabeçalho de e-mail"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Ataques_Cibernéticos","conceitos":1,"exemplos":["ataque de fraude"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Ataques_e_Exploração","conceitos":1,"exemplos":["instalação de malware"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Atores_de_Ameaça","conceitos":1,"exemplos":["cibercriminoso"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Atores_do_Ataque","conceitos":1,"exemplos":["vítima"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Autenticação_e_Segurança","conceitos":1,"exemplos":["complexidade de fatores"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Autenticação_e_Verificação","conceitos":1,"exemplos":["verificação de remetente"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Automação_de_Ataques","conceitos":1,"exemplos":["bots"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Avaliação_de_Confiabilidade","conceitos":1,"exemplos":["kappa de cohen"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Avaliação_de_Modelos_de_Detecção","conceitos":1,"exemplos":["taxa phishing para legítimo"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Avaliação_de_Sistemas_de_Detecção","conceitos":1,"exemplos":["trade-off de segurança"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Características_de_Conjuntos_de_Dados","conceitos":1,"exemplos":["diversidade de fonte de e-mail"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Características_do_Ataque","conceitos":1,"exemplos":["sofisticação do phishing"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Ciclo_do_Ataque","conceitos":1,"exemplos":["coleta de informações da vítima"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Classificação_Automática","conceitos":1,"exemplos":["balanceamento hierárquico"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Classificação_e_Taxonomia","conceitos":1,"exemplos":["taxonomia de três classes"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Coleta_de_Dados","conceitos":1,"exemplos":["diversidade de fontes"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Comportamento_Humano_em_Segurança","conceitos":1,"exemplos":["fator humano"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Comunicação_por_E-mail","conceitos":1,"exemplos":["e-mail legítimo"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Conscientização_e_Treinamento","conceitos":1,"exemplos":["programa de treinamento"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Contexto_Organizacional","conceitos":1,"exemplos":["trabalho remoto"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Contextos_de_Ataque","conceitos":1,"exemplos":["metaverso"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Conteúdo_de_Isca","conceitos":1,"exemplos":["tópicos políticos"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Controle_de_Qualidade","conceitos":1,"exemplos":["aprovação baseada em métricas agregadas"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Controle_de_Segurança","conceitos":1,"exemplos":["portões de segurança"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Controles_de_Segurança","conceitos":1,"exemplos":["verificação de identidade"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Crimes_Digitais","conceitos":1,"exemplos":["fraude online"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Dados_da_Vítima","conceitos":1,"exemplos":["informações da vítima"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Defesa_Organizacional","conceitos":1,"exemplos":["processo de reporte de comportamento suspeito"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Defesa_Técnica","conceitos":1,"exemplos":["navegador atualizado"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Defesa_e_Contramedidas","conceitos":1,"exemplos":["monitoramento de logs"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Desempenho_de_Classificação","conceitos":1,"exemplos":["erro severo de classificação"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Desempenho_de_Sistemas","conceitos":1,"exemplos":["confiabilidade operacional"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Detecção_de_Anomalias","conceitos":1,"exemplos":["comportamento fora da distribuição"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Detecção_e_Classificação_de_Phishing","conceitos":1,"exemplos":["trustphish-ai"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Detecção_e_Prevenção_de_Phishing","conceitos":1,"exemplos":["abordagem anti-phishing"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Economia_do_Ataque","conceitos":1,"exemplos":["custo de implantação"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Educação_e_Conscientização","conceitos":1,"exemplos":["treinamento multimodal"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Estratégias_de_Defesa","conceitos":1,"exemplos":["abordagem multicamadas"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Extração_de_Características","conceitos":1,"exemplos":["características tf-idf"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Fatores_Humanos_de_Vulnerabilidade","conceitos":1,"exemplos":["baixa consciência de segurança"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Fatores_Humanos_e_Psicológicos","conceitos":1,"exemplos":["confiança institucional"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Fatores_Humanos_em_Phishing","conceitos":1,"exemplos":["percepção de seriedade do phishing"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Fatores_Psicológicos","conceitos":1,"exemplos":["medo"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Ferramentas_de_Detecção","conceitos":1,"exemplos":["spamassassin"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Gestão_de_Dados","conceitos":1,"exemplos":["critérios de governança de dados"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Gestão_de_Incidentes","conceitos":1,"exemplos":["plano de resposta a incidentes"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Gestão_de_Segurança","conceitos":1,"exemplos":["fluxo de governança e avaliação"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Governança_de_Dados","conceitos":1,"exemplos":["fontes candidatas de substituição"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Governança_de_Modelos","conceitos":1,"exemplos":["implantação de modelo não validado"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Identidade_Alvo","conceitos":1,"exemplos":["parceiro comercial"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Identidade_e_Representação","conceitos":1,"exemplos":["empresa"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Impacto_de_Ataques","conceitos":1,"exemplos":["roubo de informação pessoal"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Impactos_de_Ataques","conceitos":1,"exemplos":["exposição a malware"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Impactos_do_Phishing","conceitos":1,"exemplos":["roubo de identidade"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Infraestrutura_Tecnológica","conceitos":1,"exemplos":["sistema operacional android"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Infraestrutura_Técnica","conceitos":1,"exemplos":["voip"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Infraestrutura_Técnica_de_Phishing","conceitos":1,"exemplos":["javascript"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Infraestrutura_Web","conceitos":1,"exemplos":["site legítimo"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Infraestrutura_de_Comunicação","conceitos":1,"exemplos":["telefonia voip"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Infraestrutura_de_E-mail","conceitos":1,"exemplos":["campo x-originating-ip"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Mecanismos_de_Segurança","conceitos":1,"exemplos":["autenticação de dois fatores"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Metodologia_de_Aprendizado_de_Máquina","conceitos":1,"exemplos":["augmentação controlada de fonte"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Modalidades_De_Phishing","conceitos":1,"exemplos":["vishing"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Modalidades_de_Ataque","conceitos":1,"exemplos":["comprometimento de e-mail corporativo"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Modelagem_Formal","conceitos":1,"exemplos":["teoria dos jogos"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Motivação_e_Impacto_de_Ataques","conceitos":1,"exemplos":["dinheiro"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Métodos_de_Detecção","conceitos":1,"exemplos":["ponderação hierárquica"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Métricas_de_Concordância","conceitos":1,"exemplos":["ac1 de gwet"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Métricas_de_Desempenho","conceitos":1,"exemplos":["phishing recall"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Objetivos_de_Ataque","conceitos":1,"exemplos":["extração de dados"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Proteção_e_Defesa","conceitos":1,"exemplos":["segurança operacional"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Regulação_e_Conformidade","conceitos":1,"exemplos":["ambiguidade jurídica"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Regulação_e_Governança_Digital","conceitos":1,"exemplos":["cooperação internacional em cibercrime"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Regulação_e_Governança_de_Cibersegurança","conceitos":1,"exemplos":["legislação sobre engenharia social"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Representação_de_Texto","conceitos":1,"exemplos":["tf-idf"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Resposta_Institucional","conceitos":1,"exemplos":["aplicação da lei"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Segurança_Cibernética","conceitos":1,"exemplos":["modelagem de ataques cibernéticos"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Segurança_Computacional","conceitos":1,"exemplos":["falhas de segurança computacional"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Segurança_de_Credenciais","conceitos":1,"exemplos":["vulnerabilidade de senha"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Segurança_de_Sistemas","conceitos":1,"exemplos":["critérios de segurança"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Taxonomia_De_Ataques","conceitos":1,"exemplos":["smishing"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Tecnologia_de_Ataque","conceitos":1,"exemplos":["inteligência artificial"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Treinamento_e_Conscientização","conceitos":1,"exemplos":["simulação interna de phishing"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Técnicas_de_Engano","conceitos":1,"exemplos":["imitação"],"artigos":["g0066_phishing"],"n_artigos":1},{"nome":"Técnicas_de_Engenharia_Social","conceitos":1,"exemplos":["pistas de persuasão"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Validação_de_Anotação","conceitos":1,"exemplos":["concordância entre anotadores"],"artigos":["g0293_phishing"],"n_artigos":1},{"nome":"Vulnerabilidade_Humana","conceitos":1,"exemplos":["suscetibilidade ao phishing"],"artigos":["g0066_phishing"],"n_artigos":1}]}