論文の概要: Read This Paper to Get $50 Million:* An Analysis of Mobile Messaging Scams Using Reddit Data
- arxiv url: http://arxiv.org/abs/2605.16656v1
- Date: Fri, 15 May 2026 21:50:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 16:53:35.810359
- Title: Read This Paper to Get $50 Million:* An Analysis of Mobile Messaging Scams Using Reddit Data
- Title（参考訳）: この論文を読んで$50M(5000万ドル)を得る:*Redditのデータを用いたモバイルメッセージング詐欺の分析
- Abstract要約: 本研究では,モバイルメッセージング詐欺の動向と,商用およびオープンソース検出ツールの有効性を検証した。
私たちは、2020年6月から2025年12月までにRedditから175,430件のユーザー報告されたモバイルメッセージング詐欺のデータセットを収集し、測定しました。
回答ベースの詐欺は私たちのデータセットの50%に過ぎませんが、その複合的な成長率(99.98%)はクリックベースの詐欺の約2倍です。
- 参考スコア（独自算出の注目度）: 14.045441992987401
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mobile messaging scams--fraudulent messages delivered over SMS and other mobile applications--have become a persistent and evolving security threat, yet the attributes underlying these campaigns remain unclear. This study seeks to address this gap by examining trends in mobile messaging scams and testing the effectiveness of commercial and open-source off-the-shelf detection tools. We characterize mobile messaging scam operations, focusing on how phone numbers, URLs, and text content are used across campaigns. To achieve this objective, we collect and measure a dataset of 175,430 user-reported mobile messaging scams from Reddit between June 2020 and December 2025. While reply-based scams constitute only 50% of our dataset, their compound annual growth rate (99.98%) is nearly twice that of click-based scams (57.29%). Critically, reply-based scams also show the lowest detector performance--despite identifiable similarities in text content and phone number origin within categories--indicating that current off-the-shelf tools are ineffective. These results suggest that further development of detectors is necessary to defend against this rapidly changing ecosystem. By examining a range of message attributes, this work provides new insights into mobile messaging scams, informing the design of more targeted and robust detection methods.
- Abstract（参考訳）: モバイルメッセージングの詐欺 ― SMSやその他のモバイルアプリケーションを通じて配信される詐欺的なメッセージ ― は、永続的で進化するセキュリティの脅威となっているが、これらのキャンペーンの根底にある属性はいまだ不明だ。
本研究は,モバイルメッセージング詐欺の動向を調査し,市販およびオープンソースオフザシェルフ検出ツールの有効性を検証することによって,このギャップに対処することを目的とする。
モバイルメッセージングの詐欺行為を特徴付け、キャンペーン全体で電話番号、URL、テキストコンテンツがどのように使われているかに焦点を当てる。
この目的を達成するために、2020年6月から2025年12月までにRedditから175,430件のユーザー報告されたモバイルメッセージング詐欺のデータセットを収集し、測定した。
回答ベースの詐欺は我々のデータセットの50%にすぎないが、その年次成長率(99.98%)はクリックベースの詐欺(57.29%)のほぼ2倍である。
重要な点として、返信ベースの詐欺は、テキストの内容と電話番号の出所がカテゴリー内で類似しているにもかかわらず、最も低い検出性能を示している。
これらの結果は、この急速に変化する生態系を防御するためには、検出器のさらなる開発が必要であることを示唆している。
この研究は、さまざまなメッセージ属性を調べることによって、モバイルメッセージング詐欺に対する新たな洞察を与え、よりターゲット的で堅牢な検出方法の設計を通知する。
関連論文リスト
- Who Falls for SMiSh? Learning Through Survey Data Where to Best Target Awareness Training for Mobile Messaging Attacks [2.3714616729769724]
ショートメッセージサービス(SMS)の後、SMiShing(あるいはスマイッシング)と呼ばれる詐欺は、フィッシングリンクをモバイルテキストで送信する詐欺師を巻き込む。
SMiShingの流行にもかかわらず、これらの攻撃に対して最も脆弱な人物に関する情報が不足している。
その結果,若年者や大学生は特に脆弱であることが示唆された。
論文 参考訳（メタデータ） (2026-08-25T15:07:17Z) - An Overview of 7726 User Reports: Uncovering SMS Scams and Scammer Strategies [4.560263516804933]
ユーザーレポートの89.16%がテキストメッセージで構成されており、続いて不審な通話やURLが報告されている。
ユーザが報告したユニークなテキストメッセージの35.12%はスパムであり、40.27%は詐欺テキストメッセージである。
本稿は、特定された詐欺メールを12種類の詐欺タイプに分類する。
論文 参考訳（メタデータ） (2025-08-07T11:19:01Z) - (Blind) Users Really Do Heed Aural Telephone Scam Warnings [42.93674984678535]
本研究は,視覚障害者(n=36)と視覚障害者(n=36)の2つの集団が,自然主義的環境下での聴覚的電話詐欺警告にどのように反応するかを考察する。
我々は,電話詐欺警告の音声版を開発し,その内容に先行するベースライン(警告なし),ショート警告,コンテキスト警告の3つの条件でテストした。
法的に盲目と視力のある参加者の両方が、文脈上の警告を強力な使用可能なセキュリティ手段として見出した。
論文 参考訳（メタデータ） (2024-12-05T09:47:38Z) - Characterizing Robocalls with Multiple Vantage Points [50.423738777985314]
苦情や通話量はまだ高いものの、無言通話は緩やかに減少傾向にある。
ロボコールがSTIR/SHAKENに適応していることがわかりました。
以上の結果から,電話スパムの特徴化と防止に向けた今後の取り組みの最も有望な方向性が浮かび上がっている。
論文 参考訳（メタデータ） (2024-10-22T18:54:12Z) - 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) - Jäger: Automated Telephone Call Traceback [45.67265362470739]
分散セキュアなコールトレースバックシステムであるJ"agerを紹介します。
J"agerは、部分的なデプロイであっても、数秒で呼び出しをトレースできる。
論文 参考訳（メタデータ） (2024-09-04T16:09:28Z) - SpamDam: Towards Privacy-Preserving and Adversary-Resistant SMS Spam Detection [2.0355793807035094]
SpamDamはSMSスパムの検出と理解において重要な課題を克服するために設計されたSMSスパム検出フレームワークである。
われわれは2018年から2023年にかけて、TwitterとWeiboから76万件以上のSMSスパムメッセージを収集した。
我々は、SMSスパム検出モデルの対角的堅牢性を厳格に検証し、新しいリバースバックドア攻撃を導入した。
論文 参考訳（メタデータ） (2024-04-15T06:07:10Z) - 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) - ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-05-23T16:40:07Z) - Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。
また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。
我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
論文 参考訳（メタデータ） (2023-03-14T16:11:47Z) - Countering Malicious Content Moderation Evasion in Online Social
Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。
本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
論文 参考訳（メタデータ） (2022-12-27T16:08:49Z)
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。