論文の概要: Assessing Crime Disclosure Patterns in a Large-Scale Cybercrime Forum
- arxiv url: http://arxiv.org/abs/2603.01624v1
- Date: Mon, 02 Mar 2026 08:59:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.780591
- Title: Assessing Crime Disclosure Patterns in a Large-Scale Cybercrime Forum
- Title（参考訳）: 大規模サイバー犯罪フォーラムにおける犯罪開示パターンの評価
- Authors: Raphael Hoheisel, Tom Meurs, Jai Wientjes, Marianne Junger, Abhishta Abhishta, Masarah Paquet-Clouston,
- Abstract要約: 本研究は,大手サイバー犯罪フォーラムにおける犯罪開示パターンの大規模評価を初めて行った。
初投稿における犯罪情報開示のレベルを測定し、参加者がどのようにレベルを切り替えるかを分析し、犯罪情報開示行動がプライベートコミュニケーションにどのように関係するかを評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cybercrime forums play a central role in the cybercrime ecosystem, serving as hubs for the exchange of illicit goods, services, and knowledge. Previous studies have explored the market and social structures of these forums, but less is known about the behavioral dynamics of users, particularly regarding participants' disclosure of criminal activity. This study provides the first large-scale assessment of crime disclosure patterns in a major cybercrime forum, analysing over 3.5 million posts from nearly 300k users. Using a three-level classification scheme (benign, grey, and crime) and a scalable labelling pipeline powered by large language models (LLMs), we measure the level of crime disclosure present in initial posts, analyse how participants switch between levels, and assess how crime disclosure behavior relates to private communications. Our results show that crime disclosure is relatively normative: one quarter of initial posts include explicit crime-related content, and more than one third of users disclose criminal activity at least once in their initial posts. At the same time, most participants show restraint, with over two-thirds posting only benign or grey content and typically escalating disclosure gradually. Grey initial posts are particularly prominent, indicating that many users avoid overt statements and instead anchor their activity in ambiguous content. The study highlights the value of LLM-based text classification and Markov chain modelling for capturing crime disclosure patterns, offering insights for law enforcement efforts aimed at distinguishing benign, grey, and criminal content in cybercrime forums.
- Abstract（参考訳）: サイバー犯罪フォーラムはサイバー犯罪のエコシステムにおいて中心的な役割を担い、違法な商品、サービス、知識の交換のハブとして機能している。
以前の研究では、これらのフォーラムの市場と社会構造について研究されてきたが、ユーザーの行動力学、特に参加者の犯罪活動の開示についてはあまり知られていない。
本研究は、大手サイバー犯罪フォーラムにおける犯罪情報開示パターンの大規模評価を初めて実施し、約3億人のユーザーから350万件以上の投稿を分析した。
3段階の分類スキーム(良性、灰色、犯罪)と大規模言語モデル(LLM)を用いたスケーラブルなラベリングパイプラインを用いて、初期投稿に存在する犯罪開示のレベルを測定し、参加者がどのようにレベルを切り替えるかを分析し、犯罪開示行動がプライベートコミュニケーションにどのように関係するかを評価する。
最初の投稿の4分の1は明示的な犯罪関連コンテンツを含み、ユーザーの3分の1以上が少なくとも1回は犯罪行為を公表している。
同時に、ほとんどの参加者は抑制を示しており、2/3以上の投稿は良性または灰色のコンテンツのみであり、開示は徐々にエスカレートする。
Greyの最初の投稿は特に顕著で、多くのユーザーが過剰な発言を避け、その代わりにあいまいな内容で活動を停止していることを示している。
この研究は、LLMベースのテキスト分類とマルコフ連鎖モデリング(Markov chain modelling)の価値を強調し、サイバー犯罪フォーラムにおける良心、灰色、および犯罪コンテンツを区別することを目的とした法執行機関の取り組みに対する洞察を提供する。
関連論文リスト
- Zero- and Few-Shot Named-Entity Recognition: Case Study and Dataset in the Crime Domain (CrimeNER) [13.568340126196153]
犯罪関連ゼロ・Few-Shot NERのケーススタディであるCrimNERと一般犯罪関連名前認識データベース(CrimeNERdb)について述べる。
5種類の粗大犯罪と,22種類の微粒犯罪を定義した。
ケーススタディとアノテートデータの品質を,汎用的かつ一般的に使用されている大言語モデルだけでなく,現状NERモデルを用いたZeroおよびFew-Shot設定の実験により論じる。
論文 参考訳（メタデータ） (2026-03-02T18:12:02Z) - A Multi-Turn Framework for Evaluating AI Misuse in Fraud and Cybercrime Scenarios [1.1864532555108382]
現在の大規模言語モデルが、複雑な犯罪活動に有用な情報を提供しているかは、不明である。
我々は、ドメインの専門家が評価したように、モデルがWeb上で一般的に利用可能な情報を超えて実行可能な支援を提供するかどうかを評価する。
その結果,(1)現在の大規模言語モデルは,高度なジェイルブレイク技術を用いることなく,詐欺やサイバー犯罪の最小限の情報を提供することがわかった。
論文 参考訳（メタデータ） (2026-02-25T12:01:38Z) - PRISON: Unmasking the Criminal Potential of Large Language Models [25.210177069866656]
我々は,大言語モデルの犯罪ポテンシャルを,虚偽の声明,フレームアップ,心理的操作,感情の軽視,道徳的拡張の5つの特徴にまたがって定量化する。
その結果、最先端のLLMは、誤解を招く声明や回避戦術の提案など、創発的な犯罪傾向をしばしば示している。
刑事役のモデルでは、平均44%の精度で偽装行為を認識し、犯罪行為の実行と検出の重大なミスマッチを明らかにしている。
論文 参考訳（メタデータ） (2025-06-19T09:06:27Z) - Forensics-Bench: A Comprehensive Forgery Detection Benchmark Suite for Large Vision Language Models [53.55128042938329]
Forensics-Benchは、新しい偽検出評価ベンチマークスイートである。
63,292件の厳密にキュレートされたマルチチョイスの視覚的質問からなり、112件の独特な偽造検出をカバーしている。
GPT-4o, Gemini 1.5 Pro, Claude 3.5 Sonnetの22のオープンソースLVLMと3つのプロプライエタリモデルについて徹底的な評価を行った。
論文 参考訳（メタデータ） (2025-03-19T09:21:44Z) - 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) - Two-step Automated Cybercrime Coded Word Detection using Multi-level Representation Learning [2.048226951354646]
ソーシャルネットワークサービスプラットフォームでは、犯罪容疑者はコミュニケーションのためにサイバー犯罪コード付き単語を使用する可能性が高い。
本稿では,5種類のAutoEncoderモデルのうちの1つを用いて,サイバー犯罪毎に平均潜時ベクトルを構築する2段階のアプローチを提案する。
2段階のアプローチにより検出されたサイバー犯罪符号化語を深く理解するために,3つの新しい手法を提案する。
論文 参考訳（メタデータ） (2024-03-16T07:18:29Z) - Spatial-Temporal Hypergraph Self-Supervised Learning for Crime
Prediction [60.508960752148454]
本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。
都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。
また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
論文 参考訳（メタデータ） (2022-04-18T23:46:01Z) - Entanglement: Cybercrime Connections of an Internet Marketing Forum
Population [0.802904964931021]
この研究は、人気のあるインターネットマーケティングフォーラムの多くのユーザーがサイバー犯罪とつながりを持っていることを示している。
インターネットマーケティングに関心のあるユーザーのサイバー犯罪への関与を、マイクロとマクロの両方で調査する。
これは、非公式取引所のスペースであるインターネットマーケティングフォーラムのユーザーがサイバー犯罪活動とどのように結びついているかを、公式に定量化する最初の研究である。
論文 参考訳（メタデータ） (2022-02-03T15:40:55Z) - Spatial-Temporal Sequential Hypergraph Network for Crime Prediction [56.41899180029119]
本稿では,複合犯罪の時空間パターンを包括的に符号化する時空間逐次ハイパーグラフネットワーク(ST-SHN)を提案する。
特に、長距離及びグローバルなコンテキスト下での時空間力学を扱うために、グラフ構造化されたメッセージパッシングアーキテクチャを設計する。
提案するST-SHNフレームワークは予測性能を大幅に向上させることができることを示す。
論文 参考訳（メタデータ） (2022-01-07T12:46:50Z) - Profiling the Cybercriminal: A Systematic Review of Research [2.66512000865131]
サイバー犯罪者のプロファイリングに関する一般的な定義がない。
サイバー犯罪の主なタイプの1つはハッカーだ。
この記事では、その分野の最新の特徴化について述べる。
論文 参考訳（メタデータ） (2021-05-06T19:56:55Z) - The effect of differential victim crime reporting on predictive policing
systems [84.86615754515252]
本研究では, 被害者の犯罪報告率の違いが, 共通犯罪ホットスポット予測モデルにおいて, 結果の相違をもたらすことを示す。
以上の結果から, 犯罪報告率の差は, 高犯罪から低犯罪へ, 高犯罪・中犯罪・高報道へ, 予測ホットスポットの移動につながる可能性が示唆された。
論文 参考訳（メタデータ） (2021-01-30T01:57:22Z) - 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。