論文の概要: Cybersecurity Misinformation Detection on Social Media: Case Studies on
Phishing Reports and Zoom's Threats
- arxiv url: http://arxiv.org/abs/2110.12296v3
- Date: Wed, 17 Aug 2022 18:18:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-10 17:25:31.427409
- Title: Cybersecurity Misinformation Detection on Social Media: Case Studies on
Phishing Reports and Zoom's Threats
- Title（参考訳）: ソーシャルメディアにおけるサイバーセキュリティの誤情報検出:フィッシング報告とzoomの脅威に関するケーススタディ
- Authors: Mohit Singhal, Nihal Kumarswamy, Shreyasi Kinhekar, Shirin Nilizadeh
- Abstract要約: ソーシャルメディア上でのサイバーセキュリティとプライバシの脅威に関する誤報を検出するための新しいアプローチを提案する。
我々はTwitter上で不正確なフィッシングのクレームを検出するためのフレームワークを開発した。
また、Zoomのセキュリティやプライバシの脅威に関連する誤情報を検出するための別のフレームワークも提案した。
- 参考スコア（独自算出の注目度）: 1.2387676601792899
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Prior work has extensively studied misinformation related to news, politics,
and health, however, misinformation can also be about technological topics.
While less controversial, such misinformation can severely impact companies'
reputations and revenues, and users' online experiences. Recently, social media
has also been increasingly used as a novel source of knowledgebase for
extracting timely and relevant security threats, which are fed to the threat
intelligence systems for better performance. However, with possible campaigns
spreading false security threats, these systems can become vulnerable to
poisoning attacks. In this work, we proposed novel approaches for detecting
misinformation about cybersecurity and privacy threats on social media,
focusing on two topics with different types of misinformation: phishing
websites and Zoom's security & privacy threats. We developed a framework for
detecting inaccurate phishing claims on Twitter. Using this framework, we could
label about 9% of URLs and 22% of phishing reports as misinformation. We also
proposed another framework for detecting misinformation related to Zoom's
security and privacy threats on multiple platforms. Our classifiers showed
great performance with more than 98% accuracy. Employing these classifiers on
the posts from Facebook, Instagram, Reddit, and Twitter, we found respectively
that about 18%, 3%, 4%, and 3% of posts were misinformation. In addition, we
studied the characteristics of misinformation posts, their authors, and their
timelines, which helped us identify campaigns.
- Abstract（参考訳）: 先行研究は、ニュース、政治、健康に関する誤報を幅広く研究してきたが、誤報は技術的な話題に関するものでもある。
議論は少ないが、このような誤報は企業の評判や収益、そしてユーザーのオンライン体験に大きな影響を与える可能性がある。
近年、ソーシャルメディアは、より優れたパフォーマンスのために脅威情報システムに供給される、タイムリーで関連するセキュリティ脅威を抽出するための新しい知識ベース源として、ますます使われてきている。
しかし、偽のセキュリティの脅威を広める可能性のあるキャンペーンによって、これらのシステムは毒殺攻撃に対して脆弱になる可能性がある。
本研究では,ソーシャルメディア上でのサイバーセキュリティとプライバシの脅威について,フィッシングサイトとzoomのセキュリティとプライバシの脅威という2つの異なる話題に着目した,新たな手法を提案する。
我々はtwitter上の不正フィッシングクレームを検出するフレームワークを開発した。
このフレームワークを使うことで、約9%のurlと22%のフィッシングレポートを誤った情報としてラベル付けすることができた。
複数のプラットフォーム上でzoomのセキュリティとプライバシの脅威に関連する誤った情報を検出するための別のフレームワークも提案しました。
分類器は98%以上の精度で優れた性能を示した。
これらの分類器をFacebook、Instagram、Reddit、Twitterの投稿に採用すると、投稿の約18%、3%、4%、3%が誤情報であることが判明した。
さらに,誤報投稿,著者,タイムラインの特徴について検討し,キャンペーンの特定に役立った。
関連論文リスト
- Privacy Aware Memory Forensics [3.382960674045592]
最近の調査によると、データ漏洩の60%は、主に悪意のあるインサイダーの脅威によって引き起こされている。
本研究では,組織内のインサイダーによるデータ漏洩を検出する新しい手法を提案する。
本手法はインサイダー装置のRAMを捕捉し,ホストシステムからの機密情報漏洩を解析する。
論文 参考訳（メタデータ） (2024-06-13T11:18:49Z) - Specious Sites: Tracking the Spread and Sway of Spurious News Stories at
Scale [6.917588580148212]
我々は1,334件の信頼できないニュースサイトで52,036件の物語を識別する。
本稿では,信頼できないニュースサイトから新たな物語を検出するために,我々のシステムをいかに活用できるかを示す。
論文 参考訳（メタデータ） (2023-08-03T22:42:30Z) - Fight Fire with Fire: Hacktivists' Take on Social Media Misinformation [6.421670116083633]
我々は22人の著名なハクティビストにインタビューを行い、ソーシャルメディア上の誤情報の増加について話を聞いた。
いずれも、プロパガンダの政治的(国家の)調停と普及を目的として、トロリングやミームの悪評を歓迎する者はいなかった。
本稿では, 建設的かつ現実的なソーシャルメディアの言説を擁護するハッキティビズムの創発的再放送に対して, これらの知見がもたらす意味について論じる。
論文 参考訳（メタデータ） (2023-02-15T17:20:02Z) - Machine Learning-based Automatic Annotation and Detection of COVID-19
Fake News [8.020736472947581]
新型コロナウイルス(COVID-19)は世界のあらゆる地域に影響を与えるが、感染の誤報はウイルスよりも速く移動した。
既存の作業は、拡散の触媒として働くボットの存在を無視する。
そこで本稿では,Twitterデータセット上で事実確認文をラベル付けする手法を提案する。
論文 参考訳（メタデータ） (2022-09-07T13:55:59Z) - Incidental Data: Observation of Privacy Compromising Data on Social
Media Platforms [0.0]
我々は、インデントされていないデータを公開し、プライバシーを侵害する可能性がある可能性をさらに分析する方法を示します。
プライベートな個人情報を公開するのに、手動でデータを取り出すのに2時間しかかからないことを示すことができました。
我々の研究は、ソーシャルメディア上の人々の意識を高める必要があることを示している。
論文 参考訳（メタデータ） (2022-08-18T07:49:26Z) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳（メタデータ） (2022-06-30T12:34:24Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。
23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。
大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
論文 参考訳（メタデータ） (2021-04-18T09:50:11Z) - Strong Data Augmentation Sanitizes Poisoning and Backdoor Attacks
Without an Accuracy Tradeoff [57.35978884015093]
CutMixのような強力なデータ拡張は、パフォーマンスを損なうことなく、中毒やバックドア攻撃の脅威を著しく減少させる可能性がある。
バックドアのコンテキストでは、CutMixは攻撃を大幅に軽減し、同時にバリデーションの精度を9%向上させる。
論文 参考訳（メタデータ） (2020-11-18T20:18:50Z) - Political audience diversity and news reliability in algorithmic ranking [54.23273310155137]
本稿では,ウェブサイトのオーディエンスの政治的多様性を質の指標として活用することを提案する。
ドメインの専門家によるニュースソースの信頼性評価と6,890人の米国市民の多様なサンプルによるWebブラウジングデータを用いて、より極端な、政治的に多様性の低いWebサイトが、ジャーナリストの基準を低くしていることを示す。
論文 参考訳（メタデータ） (2020-07-16T02:13:55Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z)
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。