社交图谱分析有助于检测此类鱼叉式网络钓鱼攻击。通过观察每封电子邮件使用的连接并将其与模型进行比较，机器学习算法可以检测出异常电子邮件。虽然这些电子邮件可能是合法的，但发出警告可以降低收件人受到攻击的可能性。
每个人在写电子邮件时都会表达出自己独特的风格和语调。其中一些是普遍适用的（很少有 CEO 会在官方通信中使用表情符号或短信缩写），而另一些则更为具体（有些人可能有自己经常使用的喜欢的短语）。这些特质可用于帮助检测和防范鱼叉式网络钓鱼电子邮件。
自然语言处理 (NLP) 是一个专门教授计算机理解和建模语言的领域。使用 NLP 技术可以分析书面文本并从中提取识别特征。例如，悬垂介词（如“你想要那个做什么？”中的“for”）在某些地区（以及在这些地区长大的人）的使用比在其他地区更常见。此外，人们的词汇量也不同，对单词和短语选择以及首选的句子结构和复杂性进行简单的统计分析有助于区分不同人的写作。
使用这种语言分析，可以使用异常检测算法检测某些类型的鱼叉式网络钓鱼电子邮件。如果有人用自己的声音写电子邮件，然后以 CEO 的名义签名，那么它将不符合从 CEO 的合法电子邮件生成的个人资料。但是，使用合法电 厄瓜多尔whatsapp 数据 子邮件作为模板但更改一些链接目的地的鱼叉式网络钓鱼电子邮件可能无法通过此方法检测到。将此技术与此处讨论的其他技术结合使用可以提高检测到鱼叉式网络钓鱼电子邮件并向收件人发出适当警告的可能性。
电子邮件结构分析
当您收到电子邮件时，您在所选的电子邮件客户端中看到的是发件人、收件人、时间、主题、消息和附件。虽然这是大多数电子邮件中包含的大部分信息，但这远非全部，而这些其他信息可以帮助检测鱼叉式网络钓鱼攻击。
例如，电子邮件包含电子邮件从发件人到收件人所经过的 IP 地址链。如果发件人通常使用 Gmail 收发邮件，并且很少出国，那么原始 IP 地址可能是位于美国境内的 Google 服务器。虽然 IP 地址链可以被伪造或修改，但通常需要添加额外的跳数来隐藏原始地址。如果用户的电子邮件通常需要一到两次跳数才能到达目的地，而这一次却需要五到十次跳数，那么也许需要进行额外的审查。