論文の概要: PreScam: A Benchmark for Predicting Scam Progression from Early Conversations

• arxiv url: http://arxiv.org/abs/2605.12243v1
• Date: Tue, 12 May 2026 15:11:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.954991
• Title: PreScam: A Benchmark for Predicting Scam Progression from Early Conversations
• Title（参考訳）: PreScam: 初期の会話から詐欺の進行を予測するベンチマーク
• Authors: Weixiang Sun, Shang Ma, Yiyang Li, Tianyi Ma, Zehong Wang, Colby Nelson, Xusheng Xiao, Yanfang Ye,
• Abstract要約: 初期の会話から詐欺進行をモデル化するためのベンチマークであるPreScamを紹介する。 リアルタイム終端予測とスキャマー動作予測という2つのタスクのモデルをベンチマークする。 その結果, 表面流速と進行モデルの間には明確なギャップが認められた。
• 参考スコア（独自算出の注目度）: 22.864427809364397
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conversational scams, such as romance and investment scams, are emerging as a major form of online fraud. Unlike one-shot scam lures such as fake lottery or unpaid toll messages, they unfold through multi-turn conversations in which scammers gradually manipulate victims using evolving psychological techniques. However, existing research mainly focuses on static scam detection or synthetic scams, leaving open whether language models can understand how real-world scams progress over time. We introduce PreScam, a benchmark for modeling scam progression from early conversations. Built from user-submitted scam reports, PreScam filters and structures 177,989 raw reports into 11,573 conversational scam instances spanning 20 scam categories. Each instance is hierarchically structured according to the scam lifecycle defined by the proposed scam kill chain, and further annotated at the turn level with scammer psychological actions and victim responses. We benchmark models on two tasks: real-time termination prediction, which estimates whether a conversation is approaching the termination stage, and scammer action prediction, which forecasts the scammer's subsequent actions. Results show a clear gap between surface-level fluency and progression modeling: supervised encoders substantially outperform zero-shot LLMs on real-time termination prediction, while next-action prediction remains only moderately successful even for strong LLMs. Taken together, these results show that current models can capture some scam-related cues, yet still struggle to track how risk escalates and how manipulation unfolds across turns.
• Abstract（参考訳）: ロマンスや投資詐欺といった会話詐欺は、オンライン詐欺の大きな形態として浮上している。 偽の宝くじや無給の有料メッセージのようなワンショット詐欺とは違い、彼らは多ターン会話を通じて展開し、詐欺師は進化する心理学的手法を使って被害者を徐々に操作する。 しかし、既存の研究は主に静的詐欺検出や合成詐欺に重点を置いており、言語モデルが現実世界の詐欺がどのように進行しているかを時間とともに理解できるかをオープンにしている。 初期の会話から詐欺進行をモデル化するためのベンチマークであるPreScamを紹介する。 PreScamのフィルターと構造177,989件の生のレポートから、20の詐欺カテゴリにまたがる11,573件の会話詐欺インスタンスを作成した。 それぞれのインスタンスは、提案された詐欺殺傷連鎖によって定義された詐欺のライフサイクルに従って階層的に構造化され、さらに、詐欺的な心理的行動と被害者の反応でターンレベルで注釈付けされる。 本稿では,会話が終末段階に近づいているかを推定するリアルタイム終末予測と,その後の行動を予測する散発行動予測という2つのタスクのモデルをベンチマークする。 教師付きエンコーダは、リアルタイム終端予測においてゼロショットLLMを大幅に上回っているのに対して、次のアクション予測は強いLLMにおいても適度に成功したままである。 これらの結果は、現在のモデルが詐欺関連の手がかりを捉えつつも、リスクのエスカレートや操作の展開の仕方を追跡するのに苦戦していることを示している。

関連論文リスト

• SynCast: Synergizing Contradictions in Precipitation Nowcasting via Diffusion Sequential Preference Optimization [62.958457694151384]
  本研究では,大規模な言語モデルにおける人的フィードバックからの強化学習の成功を動機として,降水量の最適化を初めて導入する。 第一段階では、フレームワークはFARを減らすことに焦点を当て、誤報を効果的に抑えるためにモデルを訓練する。
  論文  参考訳（メタデータ） (2025-10-22T16:11:22Z)
• PsyScam: A Benchmark for Psychological Techniques in Real-World Scams [38.57446009573742]
  PsyScamは、現実世界の詐欺報告で使用される心理的テクニックを体系的に捉えるために設計されたベンチマークである。 PsyScamは、実世界のスキャマーが使用するPTに基づいて、スキャマーコンテンツの検出と生成において、既存のモデルに重大な課題をもたらすことを示す。
  論文  参考訳（メタデータ） (2025-05-21T01:55:04Z)
• "It Warned Me Just at the Right Moment": Exploring LLM-based Real-time Detection of Phone Scams [21.992539308179126]
  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。
  論文  参考訳（メタデータ） (2025-02-06T10:57:05Z)
• 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)
• FIRP: Faster LLM inference via future intermediate representation prediction [54.897493351694195]
  FIRPはデコードステップ毎に1つではなく複数のトークンを生成する。 いくつかのモデルとデータセットで1.9x-3xのスピードアップ比を示す広範な実験を行った。
  論文  参考訳（メタデータ） (2024-10-27T15:53:49Z)
• A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools Stock Prediction [100.9772316028191]
  本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。 以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-01T05:12:22Z)
• Recent trends in Social Engineering Scams and Case study of Gift Card Scam [4.345672405192058]
  社会工学詐欺(SES)は、人類による電気通信の導入以来、存在してきた。 世界中の無実の人々をターゲットにした、様々なソーシャルエンジニアリング詐欺の最近の動向。 各種企業顧客を対象としたリアルタイムギフトカード詐欺の事例研究
  論文  参考訳（メタデータ） (2021-10-13T04:17:02Z)
• Are socially-aware trajectory prediction models really socially-aware? [75.36961426916639]
  我々は,予測モデルの社会的理解を評価するために,社会的に意図された攻撃を導入する。 攻撃は、予測器を失敗させるため、小さなが慎重に構成された摂動である。 我々の攻撃は、最先端モデルの社会的理解を高めるために有効であることを示す。
  論文  参考訳（メタデータ） (2021-08-24T17:59:09Z)
• Adversarial Refinement Network for Human Motion Prediction [61.50462663314644]
  リカレントニューラルネットワークとフィードフォワードディープネットワークという2つの一般的な手法は、粗い動きの傾向を予測することができる。 本稿では,新たな逆誤差増大を伴う簡易かつ効果的な粗大きめ機構に従えば,ARNet(Adversarial Refinement Network)を提案する。
  論文  参考訳（メタデータ） (2020-11-23T05:42:20Z)

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。