<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=97816"><dc:title>Spear phishing in veliki jezikovni modeli</dc:title><dc:creator>Zaluberšek,	Matic	(Avtor)
	</dc:creator><dc:creator>Mihelič,	Anže	(Mentor)
	</dc:creator><dc:subject>informacijska varnost</dc:subject><dc:subject>varnostna ozaveščenost</dc:subject><dc:subject>spear phishing</dc:subject><dc:subject>veliki jezikovni modeli</dc:subject><dc:subject>socialni inženiring</dc:subject><dc:subject>diplomske naloge</dc:subject><dc:description>V diplomski nalogi je bil izveden sistematični pregled literature o spear phishingu, velikih jezikovnih modelih (large language model, LLM) in varnostni ozaveščenosti uporabnikov. Namen je bil pokazati, kako LLM vplivajo na nastanek in prepričljivost ciljanih prevar ter katere obrambe in vrste izobraževanja najbolje delujejo. Gradivo je bilo iskano v bazah Scopus, Web of Science in IEEE Xplore; vključene so bile recenzirane objave iz let 2010–2025 (s poudarkom 2023–2025). Ugotovili smo, da LLM znižajo strošek in čas priprave napadov ter izboljšajo jezik in ton sporočil, zato so le-ta težje prepoznavna, tudi v SMS. Pokazano je bilo, da uporabniki pogosto precenijo svojo sposobnost prepoznavanja, kar poveča tveganje. Najboljše rezultate prinašajo kratki, redni in po vlogah prilagojeni programi ozaveščanja, povezani s konkretnimi koraki (npr. preverjanje po drugem kanalu) in krepitvijo samoučinkovitosti, samo opozarjanje na grožnjo ni zadostovalo. Kot učinkovita se je pokazala večslojna obramba: avtentikacija e-pošte (SPF, DKIM, DMARC), večfaktorska prijava, hibridna detekcija ter jasen in kratek načrt odziva.</dc:description><dc:publisher>M. Zaluberšek</dc:publisher><dc:date>2026</dc:date><dc:date>2026-04-16 10:55:37</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>97816</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
