論文の概要: Investigating red packet fraud in Android applications: Insights from user reviews

• arxiv url: http://arxiv.org/abs/2508.16941v1
• Date: Sat, 23 Aug 2025 08:19:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.265515
• Title: Investigating red packet fraud in Android applications: Insights from user reviews
• Title（参考訳）: Androidアプリケーションにおけるレッドパケット不正の調査:ユーザーレビューからの考察
• Authors: Yu Cheng, Xiaofang Qi, Yanhui Li,
• Abstract要約: 我々は,赤いパケットを持つアプリのユーザレビューの広範な収集について,最初の調査を行っている。 334のアプリから36万以上の実際のユーザーレビューを集めており、赤いパケットはGoogle Playと3つの人気Androidアプリマーケットで入手できる。 赤いパケット詐欺が普及し、ユーザー体験に大きな影響を与え、アプリの評判を損なうことがわかりました。
• 参考スコア（独自算出の注目度）: 12.461418756465415
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the popularization of smartphones, red packets have been widely used in mobile apps. However, the issues of fraud associated with them have also become increasingly prominent. As reported in user reviews from mobile app markets, many users have complained about experiencing red packet fraud and being persistently troubled by fraudulent red packets. To uncover this phenomenon, we conduct the first investigation into an extensive collection of user reviews on apps with red packets. In this paper, we first propose a novel automated approach, ReckDetector, for effectively identifying apps with red packets from app markets. We then collect over 360,000 real user reviews from 334 apps with red packets available on Google Play and three popular alternative Android app markets. We preprocess the user reviews to extract those related to red packets and fine-tune a pre-trained BERT model to identify negative reviews. Finally, based on semantic analysis, we have summarized six distinct categories of red packet fraud issues reported by users. Through our study, we found that red packet fraud is highly prevalent, significantly impacting user experience and damaging the reputation of apps. Moreover, red packets have been widely exploited by unscrupulous app developers as a deceptive incentive mechanism to entice users into completing their designated tasks, thereby maximizing their profits.
• Abstract（参考訳）: スマートフォンの普及に伴い、赤いパケットはモバイルアプリで広く使われている。 しかし、それらに関連する詐欺の問題はますます顕著になっている。 モバイルアプリ市場からのユーザーレビューで報告されているように、多くのユーザーはレッドパケット詐欺を経験し、不正なレッドパケットに悩まされていることに不満を抱いている。 この現象を明らかにするために,我々は,赤パケットのアプリに対する広範なユーザレビューの収集について,最初の調査を行っている。 本稿では,アプリケーションマーケットからレッドパケットでアプリケーションを効果的に識別するための新しい自動化手法であるReckDetectorを提案する。 そして、334のアプリから36万以上の実際のユーザーレビューを集め、赤いパケットはGoogle Playと3つの人気Androidアプリマーケットで入手できる。 ユーザレビューを前処理して、赤いパケットに関連するものを抽出し、トレーニング済みのBERTモデルを微調整して、ネガティブなレビューを識別する。 最後に、セマンティック分析に基づいて、ユーザから報告されたレッドパケット不正の6つの異なるカテゴリを要約した。 調査の結果,レッドパケット詐欺が普及し,ユーザエクスペリエンスに大きな影響を与え,アプリの評判を損なうことが判明した。 さらに、赤いパケットは、ユーザーが指定されたタスクを完了させ、それによって利益を最大化するための偽りのインセンティブメカニズムとして、不気味なアプリ開発者によって広く利用されてきた。

関連論文リスト

• What If We Had Used a Different App? Reliable Counterfactual KPI Analysis in Wireless Systems [52.499838151272016]
  本稿では、RANによって異なるアプリが実装された場合のトラフィックの値を推定する問題に対処する。 本稿では,無線システムに対する共形予測に基づく対実解析手法を提案する。
  論文  参考訳（メタデータ） (2024-09-30T18:47:26Z)
• Understanding Mobile App Reviews to Guide Misuse Audits [17.71313286969027]
  アプリレビューを活用して、悪用可能なアプリとその誤用を可能にする機能を特定します。 虐待者や被害者の物語は、主に過去の誤用に焦点を当てているのに対し、第三者の物語は、主に誤用の可能性を示す物語を識別している。 合計156個の悪用可能なアプリが誤用を助長していることを確認した。
  論文  参考訳（メタデータ） (2023-03-19T23:43:36Z)
• Erasing Labor with Labor: Dark Patterns and Lockstep Behaviors on Google Play [13.658284581863839]
  Google Playのポリシーは、アプリの配置を操作するためのインセンティブ付きインストール、評価、レビューの使用を禁止している。 社会技術レンズによるインストールインセンティブアプリについて検討し、レビューとパーミッションの混合メソッド分析を行う。 私たちのデータセットには、60以上のアプリから5ヶ月以上にわたって収集された319万のレビューが含まれています。 インストールインセンティブのアプリに対する不正なレビューの証拠を見つけ、それに続いて、アプリとレビュアーの動的二部グラフのエッジストリームとしてモデル化します。
  論文  参考訳（メタデータ） (2022-02-09T16:54:27Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• Doing good by fighting fraud: Ethical anti-fraud systems for mobile payments [0.0]
  モバイル端末で動作する実際のアプリケーションにおいて、既存のアンチファンドセキュリティチャレンジであるBoxerを実行するための大規模な測定結果を示す。 Boxerは全体的にうまく機能するが、機械学習モデルを実行するデバイスを毎秒1フレーム未満(FPS)で効率的にスキャンすることができず、安価なデバイスを使用するユーザをブロックしている。 このシステムは、現代のモバイルデバイスで見られる幅広いパフォーマンス特性とハードウェア構成にまたがる支払いカードをスキャンする。
  論文  参考訳（メタデータ） (2021-06-28T17:28:28Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)
• An Empirical Study of In-App Advertising Issues Based on Large Scale App Review Analysis [67.58267006314415]
  われわれは,App StoreとGoogle Playの広告関連ユーザフィードバックに関する大規模分析を行った。 広告関連レビュー36,309件の統計分析から,利用者は使用中のユニーク広告数や広告表示頻度を最も気にしていることがわかった。 いくつかの広告イシュータイプは、他の広告イシューよりも開発者によって迅速に対処される。
  論文  参考訳（メタデータ） (2020-08-22T05:38:24Z)
• DFraud3- Multi-Component Fraud Detection freeof Cold-start [50.779498955162644]
  コールドスタート(Cold-start)は、新しいユーザの認証に検出システムが失敗したことを指す重要な問題である。 本稿では,各コンポーネントに固有の表現を可能にする異種情報ネットワーク (HIN) としてレビューシステムをモデル化する。 HINとグラフ誘導はカモフラージュ問題(本物のレビュー付き詐欺師)に対処するのに役立ち、これはコールドスタートと組み合わされた場合、すなわち真に最初のレビューを持つ新しい詐欺師がより深刻であることが示されている。
  論文  参考訳（メタデータ） (2020-06-10T08:20:13Z)

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。