Fugu-MT 論文翻訳(概要): Why People Still Fall for Phishing Emails: An Empirical Investigation into How Users Make Email Response Decisions

論文の概要: Why People Still Fall for Phishing Emails: An Empirical Investigation into How Users Make Email Response Decisions

arxiv url: http://arxiv.org/abs/2401.13199v1
Date: Wed, 24 Jan 2024 03:00:49 GMT
ステータス: 処理完了
システム内更新日: 2024-01-25 15:43:45.177582
Title: Why People Still Fall for Phishing Emails: An Empirical Investigation into How Users Make Email Response Decisions
Title（参考訳）: メールのフィッシングで人々がまだ倒れている理由: メールの反応の決定方法に関する実証調査
Authors: Asangi Jayatilaka, Nalin Asanka Gamagedara Arachchilage, Muhammad Ali Babar
Abstract要約: ユーザーがメールの返信をどう判断するかは、人々がまだフィッシングメールに落ちている理由を特定するパズルに欠けている部分だ。メールを読みながら「反応決定」をどう行うかを検討するために,シンク・アロイド法を用いて実証的研究を行った。我々は,ユーザのメール意思決定プロセスの特定要素に基づいて,メールに対する応答を駆動する理論モデルを構築した。
参考スコア（独自算出の注目度）: 6.875312133832078
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Despite technical and non-technical countermeasures, humans continue to be tricked by phishing emails. How users make email response decisions is a missing piece in the puzzle to identifying why people still fall for phishing emails. We conducted an empirical study using a think-aloud method to investigate how people make 'response decisions' while reading emails. The grounded theory analysis of the in-depth qualitative data has enabled us to identify different elements of email users' decision-making that influence their email response decisions. Furthermore, we developed a theoretical model that explains how people could be driven to respond to emails based on the identified elements of users' email decision-making processes and the relationships uncovered from the data. The findings provide deeper insights into phishing email susceptibility due to people's email response decision-making behavior. We also discuss the implications of our findings for designers and researchers working in anti-phishing training, education, and awareness interventions
Abstract（参考訳）: 技術的および非技術的対策にもかかわらず、人間はフィッシングメールによって騙され続けている。ユーザーがメールの応答を判断する方法は、フィッシングメールの理由を特定するためのパズルの欠落部分だ。メールを読みながら「応答決定」を行う方法を検討するために,シンクアルード法を用いて経験的研究を行った。詳細な質的データに関する基礎的な理論分析により,メール応答決定に影響を及ぼすメールユーザの意思決定のさまざまな要素を特定できるようになった。さらに,利用者のメール意思決定過程の特定要素と,そのデータから明らかになった関係に基づいて,利用者がどのようにメールに応答するかを説明する理論的モデルを開発した。この結果は、人々のメール応答決定行動によるフィッシングメールの感受性に関する深い洞察を与える。また, フィッシングトレーニング, 教育, 意識介入に携わるデザイナや研究者に対する知見の意義についても論じる。

関連論文リスト

ChatSpamDetector: Leveraging Large Language Models for Effective Phishing Email Detection [2.3999111269325266]
本研究では,大規模な言語モデル(LLM)を用いてフィッシングメールを検出するシステムChatSpamDetectorを紹介する。 LLM解析に適したプロンプトに電子メールデータを変換することにより、電子メールがフィッシングされているか否かを高精度に判定する。総合的なフィッシングメールデータセットを用いて評価を行い,複数のLLMおよびベースラインシステムと比較した。
論文参考訳（メタデータ） (2024-02-28T06:28:15Z)
Prompted Contextual Vectors for Spear-Phishing Detection [45.07804966535239]
スパイアフィッシング攻撃は重大なセキュリティ上の課題を示す。本稿では,新しい文書ベクトル化手法に基づく検出手法を提案する。提案手法は, LLM生成したスピアフィッシングメールの識別において, 91%のF1スコアを達成する。
論文参考訳（メタデータ） (2024-02-13T09:12:55Z)
Rethinking People Analytics With Inverse Transparency by Design [57.67333075002697]
我々は、デザインによる逆透過性(inverse transparency)と呼ぶ、労働分析のための新しい設計手法を提案する。アーキテクチャの変更はコア機能を阻害することなく行われます。我々は、デザインによる逆透明性は、受け入れられ、責任ある人々の分析を実現するための有望なアプローチである、と結論付けている。
論文参考訳（メタデータ） (2023-05-16T21:37:35Z)
Profiler: Profile-Based Model to Detect Phishing Emails [15.109679047753355]
本稿では,攻撃者がメールに適応して検出を回避できる可能性を低減するために,メールの多次元リスク評価を提案する。本研究では,(1)脅威レベル,(2)認知的操作,(3)電子メールタイプを分析する3つのモデルを含むリスクアセスメントフレームワークを開発する。プロファイラは、MLアプローチと併用して、誤分類を減らしたり、トレーニング段階で大規模な電子メールデータセットのラベル付けとして使用することができる。
論文参考訳（メタデータ） (2022-08-18T10:01:55Z)
Email Summarization to Assist Users in Phishing Identification [1.433758865948252]
サイバーフィッシング攻撃は、特定の情報や手がかりが存在する場合にのみ、トレーニングデータによってより正確で、標的になり、調整される。この研究は、トランスフォーマーベースの機械学習を活用して、将来的な心理的トリガーを分析する。次に、この情報をアマルゲイトし、ユーザーに提示し、電子メールが「フィシー」なのか(ii)自己学習した先進的な悪意あるパターンなのかを簡単に判断できるようにします。
論文参考訳（メタデータ） (2022-03-24T23:03:46Z)
Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文参考訳（メタデータ） (2022-03-14T17:40:42Z)
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)
EmailSum: Abstractive Email Thread Summarization [105.46012304024312]
我々は,メールスレッド要約(EmailSum)データセットを抽象化的に開発する。このデータセットには、人間による注釈付きショート(30ワード)と、2549のメールスレッドからなるロング(100ワード)のサマリーが含まれている。本研究は,現在の抽象的要約モデルの課題を明らかにするものである。
論文参考訳（メタデータ） (2021-07-30T15:13:14Z)
Phishing Detection through Email Embeddings [2.099922236065961]
機械学習技術によるフィッシングメール検出の問題点は文献で広く議論されている。本稿では,電子メールの埋め込みによってこれらの手がかりが捉えられるか無視されるかを調べるために,同様の指標を用いたフィッシングと正当性メールのセットを構築した。以上の結果から,eメール埋め込み手法は,メールをフィッシングあるいは正当に分類するのに有効であることが示された。
論文参考訳（メタデータ） (2020-12-28T21:16:41Z)
Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
論文参考訳（メタデータ） (2020-07-24T05:42:29Z)
Learning with Weak Supervision for Email Intent Detection [56.71599262462638]
本稿では,メールの意図を検出するために,ユーザアクションを弱い監視源として活用することを提案する。メール意図識別のためのエンドツーエンドの堅牢なディープニューラルネットワークモデルを開発した。
論文参考訳（メタデータ） (2020-05-26T23:41:05Z)

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。