Fugu-MT 論文翻訳(概要): An Overview of Phishing Victimization: Human Factors, Training and the Role of Emotions

論文の概要: An Overview of Phishing Victimization: Human Factors, Training and the Role of Emotions

arxiv url: http://arxiv.org/abs/2209.11197v1
Date: Tue, 13 Sep 2022 12:51:20 GMT
ステータス: 処理完了
システム内更新日: 2023-02-19 11:19:59.593686
Title: An Overview of Phishing Victimization: Human Factors, Training and the Role of Emotions
Title（参考訳）: フィッシング・ヴィクティミゼーションの概観:人間的要因,訓練,感情の役割
Authors: Mousa Jari
Abstract要約: フィッシング(英: Phishing)とは、犯罪者やフィッシング業者が、機密で機密性の高い情報を盗むためにエンドユーザーを欺くことができるサイバー犯罪の一種である。本稿では, フィッシング被害の要因として, 過去の研究で報告された感情的要因について考察する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Phishing is a form of cybercrime and a threat that allows criminals, phishers, to deceive end users in order to steal their confidential and sensitive information. Attackers usually attempt to manipulate the psychology and emotions of victims. The increasing threat of phishing has made its study worthwhile and much research has been conducted into the issue. This paper explores the emotional factors that have been reported in previous studies to be significant in phishing victimization. In addition, we compare what security organizations and researchers have highlighted in terms of phishing types and categories as well as training in tackling the problem, in a literature review which takes into account all major credible and published sources.
Abstract（参考訳）: フィッシング(英: Phishing)とは、サイバー犯罪の一種であり、犯罪者やフィッシング業者がユーザーを欺いて機密で機密性の高い情報を盗むことができる脅威である。攻撃者は通常、犠牲者の心理や感情を操ろうとする。フィッシングの脅威が増大し、その研究の価値が増し、多くの研究がこの問題に注がれている。本稿では, フィッシング被害の要因として, 過去の研究で報告された感情的要因について考察する。加えて、セキュリティ組織や研究者がフィッシングタイプやカテゴリの観点で強調した内容と、問題に取り組むためのトレーニングを比較し、主要な信頼性と公開ソースをすべて考慮した文献レビューを行った。

関連論文リスト

Rethinking the Vulnerabilities of Face Recognition Systems:From a Practical Perspective [53.24281798458074]
顔認識システム(FRS)は、監視やユーザー認証を含む重要なアプリケーションにますます統合されている。最近の研究によると、FRSの脆弱性は敵(例えば、敵パッチ攻撃)やバックドア攻撃(例えば、データ中毒の訓練)であることが明らかになっている。
論文参考訳（メタデータ） (2024-05-21T13:34:23Z)
Evaluating the Efficacy of Large Language Models in Identifying Phishing Attempts [2.6012482282204004]
何十年にもわたるサイバー犯罪戦術であるフィッシングは、今日のデジタル世界において大きな脅威となっている。本稿では,15大言語モデル (LLM) がフィッシング手法の検出に有効であることを示す。
論文参考訳（メタデータ） (2024-04-23T19:55:18Z)
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)
Graph Mining for Cybersecurity: A Survey [61.505995908021525]
マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
論文参考訳（メタデータ） (2023-04-02T08:43:03Z)
Tainted Love: A Systematic Review of Online Romance Fraud [68.8204255655161]
ロマンス詐欺は、オンラインデートプラットフォーム上でのロマンチックな関係をサイバー犯罪者が構築することを含む。我々は,ロマンス詐欺の文学的景観を特徴づけ,研究者や実践者の理解を深める。主な貢献は, ロマンス詐欺のプロファイル, ロマンス詐欺の緩和対策, 詐欺師や被害者となることを前提とした要因の3つであった。
論文参考訳（メタデータ） (2023-02-28T20:34:07Z)
Fighting Malicious Media Data: A Survey on Tampering Detection and Deepfake Detection [115.83992775004043]
近年のディープラーニング、特に深層生成モデルの発展により、知覚的に説得力のある画像や動画を低コストで制作するための扉が開かれた。本稿では,現在のメディアタンパリング検出手法を概観し,今後の研究の課題と動向について論じる。
論文参考訳（メタデータ） (2022-12-12T02:54:08Z)
SoK: Human-Centered Phishing Susceptibility [4.794822439017277]
フィッシングの検出と防止に人間がどう関わっているかを説明する3段階のフィッシング・サセプティビリティ・モデル(PSM)を提案する。このモデルは、ユーザの検出性能を改善するために対処する必要があるいくつかの研究ギャップを明らかにする。
論文参考訳（メタデータ） (2022-02-16T07:26:53Z)
Deep convolutional forest: a dynamic deep ensemble approach for spam detection in text [219.15486286590016]
本稿では,スパム検出のための動的深層アンサンブルモデルを提案する。その結果、このモデルは高い精度、リコール、f1スコア、98.38%の精度を達成した。
論文参考訳（メタデータ） (2021-10-10T17:19:37Z)
Falling for Phishing: An Empirical Investigation into People's Email Response Behaviors [10.841507821036458]
高度なフィッシングメール検出システムにもかかわらず、人間はフィッシングメールによって騙され続けている。我々は電子メールを読む際の人々の思考過程を調査するための実証的研究を行った。我々は、フィッシングと合法メールの両方に対する人々の反応決定に影響を与える11の要因を特定します。
論文参考訳（メタデータ） (2021-08-10T16:19:01Z)
Detecting Phishing Sites -- An Overview [0.0]
フィッシングは、研究者が解決策を見つけようとする最も厳しいサイバー攻撃の1つだ。フィッシングによるダメージを最小限に抑えるためには、できるだけ早く検出する必要がある。ホワイトリスト、ブラックリスト、コンテンツベース、URLベース、ビジュアル類似性、機械学習に基づくさまざまなフィッシング検出技術がある。
論文参考訳（メタデータ） (2021-03-23T19:16:03Z)
Phishing and Spear Phishing: examples in Cyber Espionage and techniques to protect against them [91.3755431537592]
フィッシング攻撃は、2012年以降、サイバー攻撃の91%以上を突破し、オンライン詐欺で最も使われているテクニックとなっている。本研究は, フィッシングとスピア・フィッシングによる攻撃が, 結果を大きくする5つのステップを通じて, フィッシングとスピア・フィッシングによる攻撃の実施方法についてレビューした。
論文参考訳（メタデータ） (2020-05-31T18:10:09Z)

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。