論文の概要: Approaches to Identify Vulnerabilities to Misinformation: A Research Agenda

• arxiv url: http://arxiv.org/abs/2210.11647v1
• Date: Fri, 21 Oct 2022 00:33:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 11:57:42.728029
• Title: Approaches to Identify Vulnerabilities to Misinformation: A Research Agenda
• Title（参考訳）: 誤情報に対する脆弱性の特定へのアプローチ:研究アジェンダ
• Authors: Nattapat Boonprakong, Benjamin Tag, Tilman Dingler
• Abstract要約: オンライン誤報の頻度を考えると、インターネット利用者はそのような情報にしばしば被害を受けることが示されている。 我々は、脆弱なユーザーを特定するために、現在進行中の2つの研究方法を強調した。
• 参考スコア（独自算出の注目度）: 24.80321868079655
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Given the prevalence of online misinformation and our scarce cognitive capacity, Internet users have been shown to frequently fall victim to such information. As some studies have investigated psychological factors that make people susceptible to believe or share misinformation, some ongoing research further put these findings into practice by objectively identifying when and which users are vulnerable to misinformation. In this position paper, we highlight two ongoing avenues of research to identify vulnerable users: detecting cognitive biases and exploring misinformation spreaders. We also discuss the potential implications of these objective approaches: discovering more cohorts of vulnerable users and prompting interventions to more effectively address the right group of users. Lastly, we point out two of the understudied contexts for misinformation vulnerability research as opportunities for future research.
• Abstract（参考訳）: オンライン誤報の頻度と認知能力の不足を踏まえると、インターネット利用者はそのような情報にしばしば被害を受けることが示されている。 誤情報を信じたり、共有したりしやすいような心理的要因について調査する研究もあるが、現在進行中の研究では、いつ、どのユーザーが誤情報に弱いのかを客観的に特定することで、これらの発見をさらに実践している。 本稿では,認知バイアスの検出と誤情報スプレッダーの探索という,脆弱なユーザを特定するための2つの研究方法を紹介する。 脆弱性のあるユーザのコホートをより多く発見し、適切なユーザグループにもっと効果的に対処するための介入を促す。 最後に,誤情報脆弱性研究の背景を,今後の研究の機会として挙げる。

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)
• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• How Unique is Whose Web Browser? The role of demographics in browser fingerprinting among US users [50.699390248359265]
  ブラウザのフィンガープリントは、クッキーを使わずとも、Web上のユーザを識別し、追跡するために利用できる。 この技術と結果として生じるプライバシーリスクは10年以上にわたって研究されてきた。 我々は、さらなる研究を可能にするファースト・オブ・ザ・キンド・データセットを提供する。
  論文  参考訳（メタデータ） (2024-10-09T14:51:58Z)
• Banal Deception Human-AI Ecosystems: A Study of People's Perceptions of LLM-generated Deceptive Behaviour [11.285775969393566]
  大規模言語モデル(LLM)は、ユーザに誤った、不正確な、あるいは誤解を招く情報を提供する。 本研究は,ChatGPTが生成する騙し行動に対する人々の認識について検討する。
  論文  参考訳（メタデータ） (2024-06-12T16:36:06Z)
• A Survey of Privacy-Preserving Model Explanations: Privacy Risks, Attacks, and Countermeasures [50.987594546912725]
  AIのプライバシと説明可能性に関する研究が増えているにもかかわらず、プライバシを保存するモデル説明にはほとんど注意が払われていない。 本稿では,モデル説明に対するプライバシ攻撃とその対策に関する,最初の徹底的な調査を紹介する。
  論文  参考訳（メタデータ） (2024-03-31T12:44:48Z)
• Susceptibility to Unreliable Information Sources: Swift Adoption with Minimal Exposure [10.288282142373976]
  ユーザは、高クレーディビリティソースよりも露出が少ない低クレーディビリティソースを採用する傾向があります。 情報ソースの採用は、しばしば、同等の信頼性レベルを持つソースへのユーザーの事前の露出を反映している。
  論文  参考訳（メタデータ） (2023-11-09T20:16:06Z)
• Machine Learning for Detection and Mitigation of Web Vulnerabilities and Web Attacks [0.0]
  クロスサイトスクリプティング(XSS)とクロスサイトリクエストフォージェリ(CSRF)は、Webセキュリティの分野で大きな関心事となっている。 これらのWeb脆弱性を検出するパフォーマンスを改善するために、いくつかのアイデアが提案されている。 機械学習技術は最近、XSSやCSRFに対抗するために研究者によって使用されている。
  論文  参考訳（メタデータ） (2023-04-27T18:27:26Z)
• 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)
• Characterizing User Susceptibility to COVID-19 Misinformation on Twitter [40.0762273487125]
  本研究は、パンデミックのオンライン誤報に弱い人口を構成する人々への回答を試みる。 我々は、ソーシャルボットから、新型コロナウイルス関連の誤情報に関するさまざまなレベルのエンゲージメントを持つ人間まで、さまざまなタイプのユーザーを区別する。 次に、新型コロナウイルスの誤情報に対する感受性と相関する、ユーザのオンライン機能と状況予測を識別する。
  論文  参考訳（メタデータ） (2021-09-20T13:31:15Z)
• Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process [63.75363908696257]
  本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。 本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。 この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
  論文  参考訳（メタデータ） (2020-01-27T11:21:05Z)
• Information Credibility in the Social Web: Contexts, Approaches, and Open Issues [2.2133187119466116]
  信頼性(英語: Cliability)とは、個人によって認識される品質であり、必ずしも自分の認知能力と偽の情報とを区別できるわけではない。 ソーシャルメディアにおける信頼性を自動的に評価するためのいくつかのアプローチが提案されている。
  論文  参考訳（メタデータ） (2020-01-26T15:42:43Z)

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。