論文の概要: What Are Brands Telling You About Smishing? A Cross-Industry Evaluation of Customer Guidance
- arxiv url: http://arxiv.org/abs/2601.20999v1
- Date: Wed, 28 Jan 2026 19:48:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-30 16:22:49.414026
- Title: What Are Brands Telling You About Smishing? A Cross-Industry Evaluation of Customer Guidance
- Title（参考訳）: ブランドがスマイッシングについて何を言っているのか? 顧客ガイドのクロス産業的評価
- Authors: Dev Vikesh Doshi, Mehjabeen Tasnim, Fernando Landeros, Chinthagumpala Muni Venkatesh, Daniel Timko, Muhammad Lutfor Rahman,
- Abstract要約: テキストによるフィッシング攻撃(英: Phishing attack)またはスマイッシング(英: smishing)は、社会工学の戦術の一種である。
本稿では、有名ブランド149社がスマイッシングについていかに顧客を教育するかについて、その実践状況について考察する。
- 参考スコア（独自算出の注目度）: 34.619416762139565
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Phishing attacks through text, also known as smishing, are a prevalent type of social engineering tactic in which attackers impersonate brands to deceive victims into providing personal information and/or money. While smishing awareness and cyber education are a key method by which organizations communicate this awareness, the guidance itself varies widely. In this paper, we investigate the state of practice of how 149 well-known brands across 25 categories educate their customers about smishing and what smishing prevention and reporting advice they provide. After conducting a comprehensive content analysis of the brands, we identified significant gaps in the smishing-related information provided: only 46\% of the 149 brands mentioned the definition of smishing, less than 1\% had a video tutorial on smishing, and only 50\% of brands provided instructions on how to report. Our study highlights variation in terminology, prevention advice, and reporting mechanisms across industries, with some brands recommending potentially ineffective strategies such as "ignoring suspicious messages." These findings establish a baseline for understanding the current state of industry smishing awareness advice and provide specific areas where standardization improvements are needed. From our evaluation, we provide recommendations for brands on how to offer streamlined education to their respective customers on smishing for better awareness and protection against increasing smishing attacks.
- Abstract（参考訳）: テキストによるフィッシング攻撃(英: Phishing attack)またはスマイッシング(英: smishing)は、社会工学の手法の一種で、攻撃者はブランドに偽装して被害者を騙し、個人情報や金銭を提供する。
スマイシングの認知とサイバー教育は、組織がこの認識を伝達する鍵となる方法であるが、ガイダンス自体は様々である。
本稿では、25のカテゴリーにまたがる有名ブランド149社が、スマイッシングやスマイッシング防止や報告アドバイスについて顧客を教育している状況について検討する。
149ブランドのうち、スマイッシングの定義について言及したのは46 %、スマイッシングに関するビデオチュートリアルは1 %以下、レポートの仕方に関する指示は50 %に過ぎなかった。
本研究は,「疑わしいメッセージを無視した」ような潜在的に非効率な戦略を推奨するブランドによって,業界全体での用語,予防アドバイス,報告メカニズムの多様性を強調した。
これらの知見は、産業のスマイシング意識アドバイスの現在の状況を理解するための基準を確立し、標準化の改善が必要な特定の分野を提供する。
評価から,スマイシングの認知度向上と,スマイッシング攻撃の増加に対する保護について,各顧客に対して合理化教育を提供する方法について,ブランドに推奨する。
関連論文リスト
- Inconsistencies in Classification of Online News Articles: A Call for Common Standards in Brand Safety Services [4.922195818656347]
本研究は,三大ブランド安全提供者の格付けを分析した結果,オンラインニュース記事のブランド安全分類の不整合性について検討した。
我々は、デジタル広告エコシステムに対する現行のシステムによる有害な影響を軽減するための、標準化された透明なブランド安全システムについて論じる。
論文 参考訳（メタデータ） (2026-01-03T23:45:17Z) - Attention Slipping: A Mechanistic Understanding of Jailbreak Attacks and Defenses in LLMs [61.916827858666906]
私たちは、脱獄攻撃中に起こる普遍的な現象を明らかにします。
Attention Slippingは、勾配ベースのトークン置換、プロンプトレベルのテンプレートリファインメント、コンテキスト内学習など、さまざまなジェイルブレイクメソッドに一貫性があることを示します。
本研究では,温度スケーリングによる注意スコア分布の鮮明化により,注意スライッピングと直接対向する新たな防御法である注意シャープニングを提案する。
論文 参考訳（メタデータ） (2025-07-06T12:19:04Z) - Illusions of Relevance: Using Content Injection Attacks to Deceive Retrievers, Rerankers, and LLM Judges [52.96987928118327]
検索,リランカー,大型言語モデル(LLM)の埋め込みモデルは,コンテンツインジェクション攻撃に対して脆弱であることがわかった。
主な脅威は,(1) 意味不明な内容や有害な内容の挿入,(2) 関連性を高めるために,問合せ全体あるいはキークエリ用語の挿入,の2つである。
本研究は, 注射内容の配置や関連物質と非関連物質とのバランスなど, 攻撃の成功に影響を与える要因を系統的に検討した。
論文 参考訳（メタデータ） (2025-01-30T18:02:15Z) - Detection and Prevention of Smishing Attacks [0.0]
本研究は,コンテンツに基づく分析手法を用いてスマイシング検出モデルを提案する。
テキスト通信におけるスラング、略語、短い形式によって引き起こされる課題に対処するため、モデルはこれらを標準形式に標準化する。
実験結果はモデルの有効性を示し、分類精度は97.14%、スマイッシングは96.12%、ハムメッセージは96.12%である。
論文 参考訳（メタデータ） (2024-12-31T04:07:12Z) - A Quantitative Study of SMS Phishing Detection [0.0]
参加者187名を対象に,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。
参加者は偽のメッセージで67.1%、本物のメッセージで43.6%の精度で、偽のメッセージから本物のメッセージを見つけるのが困難であることが判明した。
論文 参考訳（メタデータ） (2023-11-12T17:56:42Z) - Robust Recommender System: A Survey and Future Directions [58.87305602959857]
まず,悪質な攻撃や自然騒音に耐える現在の手法を整理するための分類法を提案する。
次に、不正検出、敵の訓練、悪意のある攻撃から守るための確実な堅牢な訓練など、各カテゴリにおける最先端の手法を検討する。
さまざまなレコメンデーションシナリオの堅牢性や,正確性や解釈可能性,プライバシ,公正性といった他の特性との相互作用について論じる。
論文 参考訳（メタデータ） (2023-09-05T08:58:46Z) - Beyond Toxic: Toxicity Detection Datasets are Not Enough for Brand
Safety [0.0]
ブランド安全は、広告が表示されないコンテキストを特定することで、商業ブランドを保護することを目的としている。
我々は、一般的な毒性検出データセットを応用して、ブランドの安全特定データセットを構築する必要性を実証する。
テキスト分類における重み付けサンプリング戦略の効果を実証分析する。
論文 参考訳（メタデータ） (2023-03-27T11:29:09Z) - Counterfactual Attention Learning for Fine-Grained Visual Categorization
and Re-identification [101.49122450005869]
本稿では,因果推論に基づくより効果的な注意力学習法を提案する。
具体的には,学習した視覚的注意がネットワーク予測に与える影響を分析する。
本手法は,広範囲の粒度認識タスクにおいて評価する。
論文 参考訳（メタデータ） (2021-08-19T14:53:40Z) - Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。
本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
論文 参考訳（メタデータ） (2020-11-13T10:19:13Z)
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。