論文の概要: Preliminary Results from a U.S. Demographic Analysis of SMiSh
Susceptibility
- arxiv url: http://arxiv.org/abs/2309.06322v1
- Date: Tue, 12 Sep 2023 15:32:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-13 12:23:12.080888
- Title: Preliminary Results from a U.S. Demographic Analysis of SMiSh
Susceptibility
- Title(参考訳): SMiSh感受性の米国デモグラフィー解析による予備結果
- Authors: Cori Faklaris, Heather Richter Lipford, Sarah Tabassum
- Abstract要約: テキストメソッドをSmishing(SMShingまたはsmishing)と呼ぶ。
詐欺師はショートメッセージサービス(SMS)テキストを介してフィッシングリンクを電話に送信する。
SMiShingに最も脆弱な人物に関するデータは存在しない。
- 参考スコア(独自算出の注目度): 1.8416014644193066
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: As adoption of mobile phones has skyrocketed, so have scams involving them.
The text method is called SMiShing, (aka SMShing, or smishing) in which a
fraudster sends a phishing link via Short Message Service (SMS) text to a
phone. However, no data exists on who is most vulnerable to SMiShing. Prior
work in phishing (its e-mail cousin) indicates that this is likely to vary by
demographic and contextual factors. In our study, we collect this data from
N=1007 U.S. adult mobile phone users. Younger people and college students
emerge in this sample as the most vulnerable. Participants struggled to
correctly identify legitimate messages and were easily misled when they knew
they had an account with the faked message entity. Counterintuitively,
participants with higher levels of security training and awareness were less
correct in rating possible SMiSH. We recommend next steps for researchers,
regulators and telecom providers.
- Abstract(参考訳): 携帯電話の普及が急上昇し、詐欺行為も起きている。
このテキストメソッドはsmishing(smshing、smishing)と呼ばれ、詐欺師がショートメッセージサービス(sms)テキストを介してフィッシングリンクを電話に送信する。
しかし、SMiShingに最も脆弱な人物に関するデータは存在しない。
フィッシング(電子メールの従兄弟)での以前の研究によると、これは人口統計や状況要因によって異なる可能性が高い。
本研究は,米国の成人携帯電話利用者1007名から収集したデータである。
このサンプルには若い人や大学生が最も脆弱な人物として現れます。
参加者は、正当なメッセージの正確な識別に苦労し、偽のメッセージエンティティのアカウントを持っていると知って、簡単に誤解された。
対意的に、より高いレベルのセキュリティトレーニングと意識を持つ被験者は、SMiSHの格付けが低い。
研究者、規制当局、通信事業者に次のステップを勧めます。
関連論文リスト
- SpamDam: Towards Privacy-Preserving and Adversary-Resistant SMS Spam Detection [2.0355793807035094]
SpamDamはSMSスパムの検出と理解において重要な課題を克服するために設計されたSMSスパム検出フレームワークである。
われわれは2018年から2023年にかけて、TwitterとWeiboから76万件以上のSMSスパムメッセージを収集した。
我々は、SMSスパム検出モデルの対角的堅牢性を厳格に検証し、新しいリバースバックドア攻撃を導入した。
論文 参考訳(メタデータ) (2024-04-15T06:07:10Z) - Mobile Health Text Misinformation Identification Using Mobile Data
Mining [0.0]
本研究は、スマートフォンが人々の主要な情報ソースになるにつれて、モバイルヘルステキスト情報が人々のデバイスに送られるかどうかを確かめるものである。
提案手法は,語彙解析,ストップワード除去,ストーミング,決定木など,さまざまな移動情報検索およびデータマイニング技術を用いている。
実験の結果,提案手法の精度は閾値50パーセントを超えるが,最適ではないことがわかった。
論文 参考訳(メタデータ) (2024-02-29T15:48:11Z) - Unveiling Human Factors and Message Attributes in a Smishing Study [0.0]
214名の被験者を対象に,スマイシング検出に関するオンライン調査を行った。
我々は16のSMSスクリーンショットを提示し、異なる要因がスマイシング検出における意思決定プロセスに与える影響を評価した。
その結果, 注意行動スコアとセキュリティ行動スコアは, スマイシングメッセージの同定における参加者の精度に有意な影響を及ぼすことがわかった。
論文 参考訳(メタデータ) (2023-11-12T17:56:42Z) - Commercial Anti-Smishing Tools and Their Comparative Effectiveness Against Modern Threats [0.0]
本研究は,新鮮スマイッシング攻撃に対する反スマイッシングツールの有効性を評価するためのテストベッドを開発した。
ほとんどのアンチフィッシングアプリやバルクメッセージングサービスは、キャリアブロック以上のスマイシングメッセージをフィルタリングしなかった。
通信事業者は良質なメッセージをブロックしなかったが、スマイシングメッセージのブロックレートは25~35%に留まった。
論文 参考訳(メタデータ) (2023-09-14T06:08:22Z) - 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) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳(メタデータ) (2021-06-24T17:46:03Z) - Identity Signals in Emoji Do not Influence Perception of Factual Truth
on Twitter [90.14874935843544]
以前の研究によると、Twitterユーザーは人種的・民族的アイデンティティを表現するために、自己表現の行為としてスキントーン絵文字を使っている。
この信号が、その信号を含む投稿の内容に対する読者の認識に影響を及ぼすかどうかを検証する。
絵文字もプロフィール写真も、読者がこれらの事実をどう評価するかに影響を与えていない。
論文 参考訳(メタデータ) (2021-05-07T10:56:19Z) - TextHide: Tackling Data Privacy in Language Understanding Tasks [54.11691303032022]
TextHideは、トレーニングを遅くしたり、精度を下げることなく、プライバシー上のリスクを軽減する。
すべての参加者は、盗聴攻撃者がプライベートテキストデータを復元するのを防ぐために、簡単な暗号化ステップを追加する必要がある。
我々は、GLUEベンチマーク上でTextHideを評価し、TextHideが共有勾配や表現に対する攻撃を効果的に防御できることを示す。
論文 参考訳(メタデータ) (2020-10-12T22:22:15Z) - Quantifying Susceptibility to Spear Phishing in a High School
Environment Using Signal Detection Theory [2.867517731896504]
スピアフィッシング(英:spear phishing)は、社会工学を用いて標的の被害者を標的とした機密情報を取得する詐欺攻撃である。
ピアフィッシングへのレジリエンスに関するこれまでの研究は、学生に不公平な焦点をあてて、利便性のサンプルに焦点を当ててきた。
我々は、信号検出理論(SDT)を用いた研究の参加者として、57人の高校生と教員を雇用した。
その結果, 技術的背景に関わらず, 自己判定における自信の過剰な偏りが明らかとなった。
論文 参考訳(メタデータ) (2020-06-29T20:59:54Z) - Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。
実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
論文 参考訳(メタデータ) (2020-06-10T16:05:05Z) - Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。
システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
論文 参考訳(メタデータ) (2020-05-25T12:32:02Z)
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。