MacPaw 演示 macOS 防网络钓鱼系统：准确率 95.7%，本地 AI 实时检测，内存占用 84 MB、CPU 占用 16%

7 月 13 日消息，网络安全公司 MacPaw 演示了一项最新研究成果，可以在苹果 Mac 设备本地运行、实时的网络钓鱼检测系统，提高 Mac 用户的网络安全。

MacPaw 高级研究工程师 Ivan Petrukha 于 7 月 12 日出席第 14 届国际安全社会技术研讨会，将公布和介绍该系统的研究成果。

该系统由该公司 Moonlock 部门开发，基于本地 AI 机器学习模型，通过可视化内容分析方法来实时检测钓鱼网站。

研究称该系统针对苹果 macOS 系统进行优化，在 M1 芯片上测试 CPU 占用率为 16%，内存占用率为 84 MB，在包含 5 万个页面的数据集测试中，准确（Precision）率为 95.7%，召回（Recall）率为 87.7%。

查询公开资料，简要解释下准确率和召回率区别：

精确率 (precision) 的公式是 P = frac {TP}{TP+FP}, 它计算的是所有 “正确被检索的 item (TP)” 占所有 “实际被检索到的 (TP+FP)” 的比例.。大白话就是“你预测为正例的里面有多少是对的”，精确率的基数是检索返回的样例。
2、召回率 (recall) 的公式是 R = frac {TP}{TP+FN}, 它计算的是所有 “正确被检索的 item (TP)” 占所有 “应该检索到的 item (TP+FN)” 的比例。大白话就是“正例样本里你的预测正确了多少”，召回率的基数是样本里的所有正例样本。
3、准确率是针对我们原来所有样本而言的，它表示的是所有样本有多少被准确预测了