論文の概要: Understanding Underground Incentivized Review Services
- arxiv url: http://arxiv.org/abs/2102.04217v4
- Date: Wed, 14 Feb 2024 23:32:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-16 21:33:04.288998
- Title: Understanding Underground Incentivized Review Services
- Title（参考訳）: 地下インセンティブレビューサービスを理解する
- Authors: Rajvardhan Oak and Zubair Shafiq
- Abstract要約: 我々は,HCIレンズを用いてeコマースプラットフォーム上でのレビュー詐欺について検討した。
我々は、詐欺師が業務の規模を拡大するために使用する高度な採用、執行、報告メカニズムを明らかにする。
これらのサービスが運用する通信チャネルを遮断する対策は、インセンティブ付きレビューと戦うのに有効である。
- 参考スコア（独自算出の注目度）: 26.402818153734035
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While human factors in fraud have been studied by the HCI and security
communities, most research has been directed to understanding either the
victims' perspectives or prevention strategies, and not on fraudsters, their
motivations and operation techniques. Additionally, the focus has been on a
narrow set of problems: phishing, spam and bullying. In this work, we seek to
understand review fraud on e-commerce platforms through an HCI lens. Through
surveys with real fraudsters (N=36 agents and N=38 reviewers), we uncover
sophisticated recruitment, execution, and reporting mechanisms fraudsters use
to scale their operation while resisting takedown attempts, including the use
of AI tools like ChatGPT. We find that countermeasures that crack down on
communication channels through which these services operate are effective in
combating incentivized reviews. This research sheds light on the complex
landscape of incentivized reviews, providing insights into the mechanics of
underground services and their resilience to removal efforts.
- Abstract（参考訳）: 詐欺のヒューマンファクターはhciやセキュリティコミュニティによって研究されてきたが、ほとんどの研究は被害者の視点や予防戦略を理解することを目的としている。
さらに、フィッシング、スパム、いじめといった、狭い問題にも焦点が当てられている。
本研究では,hciレンズによる電子商取引プラットフォームにおけるレビュー詐欺の理解を目指している。
実際の詐欺師(N=36エージェントとN=38レビュアー)による調査を通じて、ChatGPTのようなAIツールの使用を含む、削除の試みに抵抗しながら、詐欺師が操作をスケールするために使用する高度な採用、実行、報告メカニズムを明らかにする。
これらのサービスが運用する通信チャネルの取り締まりは,インセンティブ付レビューの対処に有効であることが判明した。
この研究は、インセンティブ付きレビューの複雑なランドスケープに光を当て、地下サービスの仕組みとその除去努力に対するレジリエンスに関する洞察を提供する。
関連論文リスト
- Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。
この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。
本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
論文 参考訳（メタデータ） (2024-11-15T08:09:28Z) - Application of AI-based Models for Online Fraud Detection and Analysis [1.764243259740255]
オンライン不正検出のためのAIおよびNLP技術に関する体系的文献レビューを行う。
各種オンライン詐欺カテゴリを解析するための最先端NLP技術について報告する。
データ制限の問題、トレーニングバイアスレポート、モデルパフォーマンスレポートにおけるメトリクスの選択的な表示などを特定します。
論文 参考訳（メタデータ） (2024-09-25T14:47:03Z) - The TikToking troll and weaponization of conscience: A systems perspective case study [0.0]
良心の武器化は、詐欺師が彼らの活動を偽装し、犠牲者を欺き、彼らのモディオペランディの有効性を拡大するために使う戦術である。
このケーススタディは議論を呼んでいるTikTokerを中心におり、プロパガンダの標的人口内で複数のアクターを操作するために、良心の武器化をどのように活用できるかを強調している。
論文 参考訳（メタデータ） (2024-04-14T21:05:40Z) - A Safe Harbor for AI Evaluation and Red Teaming [124.89885800509505]
一部の研究者は、そのような研究の実施や研究成果の公表が、アカウント停止や法的報復につながることを恐れている。
我々は、主要なAI開発者が法的、技術的に安全な港を提供することを約束することを提案します。
これらのコミットメントは、ジェネレーティブAIのリスクに取り組むための、より包括的で意図しないコミュニティ努力への必要なステップである、と私たちは信じています。
論文 参考訳（メタデータ） (2024-03-07T20:55:08Z) - The Anatomy of Deception: Technical and Human Perspectives on a Large-scale Phishing Campaign [4.369550829556578]
本研究は,Metaユーザを対象とした大規模フィッシングキャンペーンについて,前例のない深層調査を行った。
世界中の2万5000人以上の被害者のデータを分析し、これらのキャンペーンのニュアンスを強調します。
自然言語処理や機械学習などの高度な計算技術の応用を通じて、この研究は犠牲者の精神に対する重要な洞察を明らかにする。
論文 参考訳（メタデータ） (2023-10-05T12:24:24Z) - A Dataset on Malicious Paper Bidding in Peer Review [84.68308372858755]
悪意あるレビュアーは、紙の割り当てを非倫理的に操作するために戦略的に入札した。
この問題を緩和するための方法の作成と評価への重要な障害は、悪意ある紙入札に関する公開データの欠如である。
我々は、参加者に正直に、悪意的に入札するよう指示されたモックカンファレンス活動から収集された、新しいデータセットをリリースする。
論文 参考訳（メタデータ） (2022-06-24T20:23:33Z) - Fragments of the Past: Curating Peer Support with Perpetrators of
Domestic Violence [88.37416552778178]
我々は,過去フラグメントの設計と展開において,6人の支援労働者と18人の加害者とともに働いた10ヶ月の研究を報告した。
私たちは、暴力から脱却した経験をデジタルで強化された成果物、すなわち「フラグメント」を作ることが、メッセージのモチベーションと仲間間のラッピングをいかに翻訳するかを共有します。
これらの知見は、挑戦的な人口を持つ将来のネットワーク設計の実践的考察の基礎となる。
論文 参考訳（メタデータ） (2021-07-09T22:57:43Z) - Inspect, Understand, Overcome: A Survey of Practical Methods for AI
Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。
近年,これらの安全対策を目的とした最先端技術動物園が出現している。
本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文 参考訳（メタデータ） (2021-04-29T09:54:54Z) - Fraud Detection using Data-Driven approach [0.0]
最初のオンラインバンキングは1980年に始まった。
インターネットバンキングの利用が絶え間なく増加し、多くのオンライン取引も不正行為を増やした。
本研究では,顧客行動に適応した効率的な不正検出モデルの構築を目的とする。
論文 参考訳（メタデータ） (2020-09-08T20:58:51Z) - DFraud3- Multi-Component Fraud Detection freeof Cold-start [50.779498955162644]
コールドスタート(Cold-start)は、新しいユーザの認証に検出システムが失敗したことを指す重要な問題である。
本稿では,各コンポーネントに固有の表現を可能にする異種情報ネットワーク (HIN) としてレビューシステムをモデル化する。
HINとグラフ誘導はカモフラージュ問題(本物のレビュー付き詐欺師)に対処するのに役立ち、これはコールドスタートと組み合わされた場合、すなわち真に最初のレビューを持つ新しい詐欺師がより深刻であることが示されている。
論文 参考訳（メタデータ） (2020-06-10T08:20:13Z) - Applying support vector data description for fraud detection [0.0]
不正検出の主な課題の1つは、複雑で困難な作業である不正サンプルの取得である。
この課題に対処するために,SVDDのような不正サンプルを必要としない一級分類法を適用した。
また,DBSCANの拡張であるREDBSCANを提案する。
論文 参考訳（メタデータ） (2020-05-31T21:31:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。