論文の概要: ScamChatBot: An End-to-End Analysis of Fake Account Recovery on Social Media via Chatbots

• arxiv url: http://arxiv.org/abs/2412.15072v1
• Date: Thu, 19 Dec 2024 17:22:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-20 13:29:11.011905
• Title: ScamChatBot: An End-to-End Analysis of Fake Account Recovery on Social Media via Chatbots
• Title（参考訳）: ScamChatBot: チャットボットによるソーシャルメディア上のフェイクアカウント復元のエンドツーエンド分析
• Authors: Bhupendra Acharya, Dominik Sautter, Muhammad Saad, Thorsten Holz,
• Abstract要約: 本研究は,アカウントの復旧に問題を抱えているユーザを対象に,偽の技術的支援を行うスキャマーに焦点を当てた。 私たちの仕事の主な貢献は、スキャマーと対話する自動化システムの開発です。 以上の結果から,スキャマーはユーザに対して,いくつかのコミュニケーションチャネルを通じて連絡を依頼するソーシャルメディアプロファイルを多数採用していることがわかった。 この自動化アプローチは、詐欺師がロールプレイングなどさまざまな戦略を使って、被害者に個人情報や財務情報を開示させる方法を強調している。
• 参考スコア（独自算出の注目度）: 18.10200822118935
• License:
• Abstract: Social media platforms have become the hubs for various user interactions covering a wide range of needs, including technical support and services related to brands, products, or user accounts. Unfortunately, there has been a recent surge in scammers impersonating official services and providing fake technical support to users through these platforms. In this study, we focus on scammers engaging in such fake technical support to target users who are having problems recovering their accounts. More specifically, we focus on users encountering access problems with social media profiles (e.g., on platforms such as Facebook, Instagram, Gmail, and X) and cryptocurrency wallets. The main contribution of our work is the development of an automated system that interacts with scammers via a chatbot that mimics different personas. By initiating decoy interactions (e.g., through deceptive tweets), we have enticed scammers to interact with our system so that we can analyze their modus operandi. Our results show that scammers employ many social media profiles asking users to contact them via a few communication channels. Using a large language model (LLM), our chatbot had conversations with 450 scammers and provided valuable insights into their tactics and, most importantly, their payment profiles. This automated approach highlights how scammers use a variety of strategies, including role-playing, to trick victims into disclosing personal or financial information. With this study, we lay the foundation for using automated chat-based interactions with scammers to detect and study fraudulent activities at scale in an automated way.
• Abstract（参考訳）: ソーシャルメディアプラットフォームは,ブランドや製品,ユーザアカウントに関連する技術サポートやサービスなど,さまざまなニーズをカバーするさまざまなユーザインタラクションのハブになっています。 残念ながら、公式サービスを偽装し、これらのプラットフォームを通じてユーザーに偽の技術的サポートを提供する詐欺が最近急増している。 本研究では,アカウントの復旧に問題を抱えているユーザを対象に,このようなフェイクな技術的支援に携わるスパムに焦点を当てた。 具体的には、ソーシャルメディアのプロフィール(Facebook、Instagram、Gmail、Xなど)や暗号通貨ウォレットのアクセス問題に遭遇するユーザーに焦点を当てます。 私たちの仕事の主な貢献は、さまざまなペルソナを模倣するチャットボットを介して、スキャマーと対話する自動化システムの開発です。 デコイ相互作用(例えば、偽りのつぶやきを通じて)を開始することで、私たちは、彼らのモダス・オペランディ(modus operandi)を分析するために、我々のシステムと対話するために、スキャマーを魅了した。 以上の結果から,スキャマーはユーザに対して,いくつかのコミュニケーションチャネルを通じて連絡を依頼するソーシャルメディアプロファイルを多数採用していることがわかった。 大規模な言語モデル(LLM)を使用して、私たちのチャットボットは450人の詐欺師と会話し、彼らの戦術と、そして最も重要なことに、彼らの支払いプロファイルに関する貴重な洞察を提供した。 この自動化アプローチは、詐欺師がロールプレイングなどさまざまな戦略を使って、被害者に個人情報や財務情報を開示させる方法を強調している。 本研究では,スキャマーとチャットによる対話を自動化し,不正行為を自動的に検出し,研究する基盤を構築した。

関連論文リスト

• RICoTA: Red-teaming of In-the-wild Conversation with Test Attempts [6.0385743836962025]
  RICoTAは、大言語モデル(LLM)に挑戦する609のプロンプトで構成される、韓国のレッドチームデータセットである。 われわれは、韓国のRedditのようなコミュニティに自己投稿されたユーザー・チャットボットの会話を活用している。 データセットはGitHubから公開されます。
  論文  参考訳（メタデータ） (2025-01-29T15:32:27Z)
• Pirates of Charity: Exploring Donation-based Abuses in Social Media Platforms [15.45960607413968]
  ソーシャルメディアプラットフォーム上で寄付ベースの詐欺を大規模に分析する。 不正な寄付を行うユーザを騙すために,様々な手法を用いて832件の詐欺を識別した。 本研究は,ソーシャルメディアプラットフォームがユーザを不正な寄付から守る能力の重大な弱点を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-12-20T07:26:43Z)
• WildChat: 1M ChatGPT Interaction Logs in the Wild [88.05964311416717]
  WildChatは100万件のユーザー・チャットGPT会話のコーパスで、250万回以上のインタラクション・ターンで構成されている。 タイムスタンプによるチャットの書き起こしに加えて、州、国、ハッシュIPアドレスを含む人口統計データでデータセットを豊かにします。
  論文  参考訳（メタデータ） (2024-05-02T17:00:02Z)
• Conning the Crypto Conman: End-to-End Analysis of Cryptocurrency-based Technical Support Scams [19.802676243375615]
  暗号通貨ベースの技術サポート詐欺という詐欺の流行が高まっている。 この種の詐欺を分析するために,HoneyTweetという分析装置を提案する。
  論文  参考訳（メタデータ） (2024-01-18T09:31:45Z)
• Unsupervised detection of coordinated fake-follower campaigns on social media [1.3035246321276739]
  本稿では,悪意のあるアカウントの特定のカテゴリを対象とする教師なし検出手法を提案する。 当社のフレームワークは,ソーシャルメディアアカウントの全フォロワーのうち,異常なパターンを識別する。 検出された異常なフォロワー群は複数のアカウントで一貫した行動を示す。
  論文  参考訳（メタデータ） (2023-10-31T12:30:29Z)
• Active Countermeasures for Email Fraud [2.6856688022781556]
  詐欺師は被害者の役割を演じ、詐欺に反応し、長く非生産的な会話で時間と注意を無駄にしようとする。 我々は、スカムベイティング活動を自動的に行うことができる拡張可能なスカムベイティングメールサーバを開発し、展開した。
  論文  参考訳（メタデータ） (2022-10-26T21:20:13Z)
• Neural Generation Meets Real People: Building a Social, Informative Open-Domain Dialogue Agent [65.68144111226626]
  Chirpy Cardinalは、情報と会話の両方をねらっている。 ユーザーとボットの両方を交互に会話に駆り立てる。 Chirpy Cardinalは、Alexa Prize Socialbot Grand Challengeで9つのボットのうち2位にランクインした。
  論文  参考訳（メタデータ） (2022-07-25T09:57:23Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Uncovering the Dark Side of Telegram: Fakes, Clones, Scams, and Conspiracy Movements [67.39353554498636]
  我々は35,382の異なるチャンネルと130,000,000以上のメッセージを収集して,Telegramの大規模解析を行う。 カードなどのダークウェブのプライバシー保護サービスにも、悪名高い活動がいくつかある。 疑似チャネルを86%の精度で識別できる機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-26T14:53:31Z)
• Put Chatbot into Its Interlocutor's Shoes: New Framework to Learn Chatbot Responding with Intention [55.77218465471519]
  本稿では,チャットボットに人間のような意図を持つための革新的なフレームワークを提案する。 我々のフレームワークには、ガイドロボットと人間の役割を担うインターロケータモデルが含まれていた。 本フレームワークを3つの実験的なセットアップを用いて検討し,4つの異なる指標を用いた誘導ロボットの評価を行い,柔軟性と性能の利点を実証した。
  論文  参考訳（メタデータ） (2021-03-30T15:24:37Z)
• CASS: Towards Building a Social-Support Chatbot for Online Health Community [67.45813419121603]
  CASSアーキテクチャは高度なニューラルネットワークアルゴリズムに基づいている。 ユーザーからの新たな入力を処理し、さまざまなレスポンスを生成することができる。 フォローアップフィールド実験により、CASSは感情的支援を求める個々のメンバーを支援するのに有用であることが証明された。
  論文  参考訳（メタデータ） (2021-01-04T05:52:03Z)

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。