論文の概要: "It Warned Me Just at the Right Moment": Exploring LLM-based Real-time Detection of Phone Scams

• arxiv url: http://arxiv.org/abs/2502.03964v1
• Date: Thu, 06 Feb 2025 10:57:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:29:07.252553
• Title: "It Warned Me Just at the Right Moment": Exploring LLM-based Real-time Detection of Phone Scams
• Title（参考訳）: 正しい気分で警告した」:LLMによる携帯カメラのリアルタイム検出
• Authors: Zitong Shen, Sineng Yan, Youqian Zhang, Xiapu Luo, Grace Ngai, Eugene Yujun Fu,
• Abstract要約: 本稿では,スカムコールをモデル化するフレームワークを提案し,LLMに基づくリアルタイム検出手法を提案する。 提案手法の性能評価と,その有効性に影響を及ぼす要因の解析を行った。
• 参考スコア（独自算出の注目度）: 21.992539308179126
• License:
• Abstract: Despite living in the era of the internet, phone-based scams remain one of the most prevalent forms of scams. These scams aim to exploit victims for financial gain, causing both monetary losses and psychological distress. While governments, industries, and academia have actively introduced various countermeasures, scammers also continue to evolve their tactics, making phone scams a persistent threat. To combat these increasingly sophisticated scams, detection technologies must also advance. In this work, we propose a framework for modeling scam calls and introduce an LLM-based real-time detection approach, which assesses fraudulent intent in conversations, further providing immediate warnings to users to mitigate harm. Through experiments, we evaluate the method's performance and analyze key factors influencing its effectiveness. This analysis enables us to refine the method to improve precision while exploring the trade-off between recall and timeliness, paving the way for future directions in this critical area of research.
• Abstract（参考訳）: インターネット時代に生きているにもかかわらず、電話ベースの詐欺は依然として最も一般的な詐欺の1つだ。 これらの詐欺は、金銭的利益のために被害者を搾取することを目的としており、金銭的損失と心理的苦痛の両方を引き起こしている。 政府、産業、学界は様々な対策を積極的に導入してきたが、詐欺師たちは戦術を進化させ続け、電話詐欺は永続的な脅威となっている。 こうした高度な詐欺に対処するためには、検出技術も前進する必要がある。 本研究では,スカムコールをモデル化するフレームワークを提案し,LLMに基づくリアルタイム検出手法を提案する。 実験により,本手法の性能評価を行い,その有効性に影響を及ぼす要因を解析した。 この分析により、リコールとタイムライン間のトレードオフを探索しながら精度を向上させる方法が洗練され、この重要な研究領域における今後の方向性の道を開くことができる。

関連論文リスト

• Adversarial Alignment for LLMs Requires Simpler, Reproducible, and More Measurable Objectives [52.863024096759816]
  相反する研究目的は、過去10年間に敵対的堅牢性研究の進展を妨げてきた。 我々は、対立するアライメントの有意義な進展には、リアライメントの目的が必要であると論じる。
  論文  参考訳（メタデータ） (2025-02-17T15:28:40Z)
• Adversarial Reasoning at Jailbreaking Time [49.70772424278124]
  テスト時間計算による自動ジェイルブレイクに対する逆推論手法を開発した。 我々のアプローチは、LSMの脆弱性を理解するための新しいパラダイムを導入し、より堅牢で信頼性の高いAIシステムの開発の基礎を築いた。
  論文  参考訳（メタデータ） (2025-02-03T18:59:01Z)
• Exposing LLM Vulnerabilities: Adversarial Scam Detection and Performance [16.9071617169937]
  本稿では, 大規模言語モデル (LLM) の脆弱性を, 詐欺検出のタスクに対して対向詐欺メッセージに直面する際の脆弱性について検討する。 我々は、オリジナルメッセージと逆詐欺メッセージの両方を含む、きめ細かいスカムメッセージのラベル付き包括的なデータセットを作成しました。 分析の結果, LLMの脆弱性を利用した逆例は, 高い誤分類率をもたらすことがわかった。
  論文  参考訳（メタデータ） (2024-12-01T00:13:28Z)
• Persuasion with Large Language Models: a Survey [49.86930318312291]
  大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。 政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。 LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-11T10:05:52Z)
• Application of AI-based Models for Online Fraud Detection and Analysis [1.764243259740255]
  オンライン不正検出のためのAIおよびNLP技術に関する体系的文献レビューを行う。 各種オンライン詐欺カテゴリを解析するための最先端NLP技術について報告する。 データ制限の問題、トレーニングバイアスレポート、モデルパフォーマンスレポートにおけるメトリクスの選択的な表示などを特定します。
  論文  参考訳（メタデータ） (2024-09-25T14:47:03Z)
• Combating Phone Scams with LLM-based Detection: Where Do We Stand? [1.8979188847659796]
  本研究では,大規模言語モデル(LLM)による不正通話の検出の可能性について検討する。 LLMをベースとした検出器は、潜在的な詐欺の発生を検知し、ユーザに対して即時保護を提供する。
  論文  参考訳（メタデータ） (2024-09-18T02:14:30Z)
• 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)
• Designing an attack-defense game: how to increase robustness of financial transaction models via a competition [69.08339915577206]
  金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。 本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。 我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。 参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
  論文  参考訳（メタデータ） (2023-08-22T12:53:09Z)
• Re-thinking Data Availablity Attacks Against Deep Neural Networks [53.64624167867274]
  本稿では、未学習例の概念を再検討し、既存のロバストな誤り最小化ノイズが不正確な最適化目標であることを示す。 本稿では,計算時間要件の低減による保護性能の向上を図った新しい最適化パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-18T04:03:51Z)
• Understanding Underground Incentivized Review Services [26.402818153734035]
  我々は,HCIレンズを用いてeコマースプラットフォーム上でのレビュー詐欺について検討した。 我々は、詐欺師が業務の規模を拡大するために使用する高度な採用、執行、報告メカニズムを明らかにする。 これらのサービスが運用する通信チャネルを遮断する対策は、インセンティブ付きレビューと戦うのに有効である。
  論文  参考訳（メタデータ） (2021-01-20T05:30:14Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。