ChatGPT Vision を使用して、潜在的に悪意のある電子メール コンテンツを検査する

仕組み

「ChatGPT Vision を使用した潜在的に悪意のある電子メール コンテンツの調査」というタイトルのワークフローは、ChatGPT Vision のテキストと画像の両方の評価機能を活用して、不審な電子メールを分析するように設計されています。ワークフローは、新しい電子メールを受信したときにアクティブ化される電子メール トリガーから始まります。最初のノードは、ヘッダーと本文を含む電子メールのコンテンツをキャプチャします。この情報は、特定のタスクを実行する一連のノードを通じて処理されます。

1. 電子メール トリガー:

ワークフローは、受信電子メールをリッスンする電子メール トリガーから始まります。電子メールが検出されると、送信者、件名、本文の内容などの関連詳細がキャプチャされます。

2. 電子メール ヘッダーの抽出:

次のノードは、さらなる分析のために電子メール ヘッダーを抽出します。この手順は、送信者の情報に基づいて潜在的なスプーフィングまたはフィッシングの試みを特定するために重要です。

3. スクリーンショットのキャプチャ:

テキストだけでは明らかではない疑わしい要素を視覚的に評価するために、電子メールのスクリーンショットが撮られます。この画像は後続のステップで分析されます。

4. ChatGPT Vision によるテキスト分析:

電子メールの本文テキストが ChatGPT Vision ノードに送信され、フィッシングを示す可能性のある有害な可能性のあるフレーズ、リンク、または添付ファイルの内容が評価されます。

5. ChatGPT Vision による画像分析:

同時に、キャプチャされたスクリーンショットが画像分析のために別の ChatGPT Vision ノードに送信されます。このノードは、誤解を招くロゴや疑わしいリンクなど、悪意を示唆する可能性のある視覚的な手がかりをチェックします。

6. 意思決定ノード:

テキストと画像の両方の分析が完了すると、意思決定ノードが結果を評価します。いずれかの分析で潜在的な脅威が示された場合、ワークフローはアラートをトリガーするか、ユーザーへの通知や電子メールのブロックなどの事前定義されたアクションを実行します。

7. 最終出力:

ワークフローは、分析の結果と実行されたアクションをログに記録して終了し、将来の参照のためにすべての関連情報が記録されるようにします。

主な機能

- 包括的な電子メール分析:

ワークフローはテキストと画像の両方の評価を組み合わせて、潜在的に有害な電子メールを徹底的に評価します。

- リアルタイム検出:

電子メール トリガーを利用することで、ワークフローは入ってくる脅威に即座に対応し、セキュリティ対策を強化できます。

- フィッシング識別:

ChatGPT Vision の統合により、テキストと視覚的な手がかりの両方を通じてフィッシングの試みを高度に検出できます。

- 自動アラート:

デシジョン ノードにより、不審な電子メールに対する自動応答が可能になり、脅威管理の効率が向上します。

- ログとレポート:

ワークフローはすべてのアクションと調査結果をログに記録し、過去のインシデントのレビューと分析を容易にします。

ツールの統合

- n8n 電子メール トリガー ノード:

受信電子メールとその詳細をキャプチャします。

- n8n 関数ノード:

電子メール ヘッダーの抽出とデータの処理に使用されます。

- ChatGPT ビジョン ノード:

テキストと画像の両方の分析に使用され、電子メールの内容と視覚的要素を評価します。

- n8n 意思決定ノード:

分析の結果を評価し、特定された脅威に基づいて次のステップを決定します。

- n8n ロギング ノード:

ワークフロー全体で実行された結果とアクションを記録します。

API キーが必要です

このワークフローが機能するには、API キーや認証資格情報は必要ありません。すべてのノードは、外部 API 統合を必要とせずに n8n 環境内で動作します。