論文の概要: Profiling User Vulnerability to Phishing Through Psychological and Behavioral Factors

• arxiv url: http://arxiv.org/abs/2605.21246v1
• Date: Wed, 20 May 2026 14:35:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.729428
• Title: Profiling User Vulnerability to Phishing Through Psychological and Behavioral Factors
• Title（参考訳）: 心理的・行動的要因を通したフィッシングに対するユーザ脆弱性のプロファイリング
• Authors: Valeria Formisano, Danilo Gentile, Gennaro Esposito Mocerino, Michela Ponticorvo, Luigi Gallo, Alessio Botta, Davide Marocco,
• Abstract要約: 本研究では,Spamleyデータセットからのデータを解析し,ユーザ・サセプティビリティの多次元的特性について検討する。 探索的因子分析 (EFA) を用いて、5つの潜伏構造が同定され、その名は Seniority, Expertise, Creativity, stability, Vulnerability である。 その結果, 利用者の大多数は, ハッシュ評価プロセスと批判分析の低さを特徴とするHigh-Riskカテゴリに該当することが示唆された。
• 参考スコア（独自算出の注目度）: 0.7231477812426922
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Phishing remains one of the most pervasive cybersecurity threats, shifting the focus from technological vulnerabilities to human cognitive and psychological factors. In coherence with the trend of studies on phishing to increasingly focus on human aspects and vulnerable users profiling, this study investigates the multidimensional nature of user susceptibility by analyzing data from the Spamley dataset, involving 1,086 participants evaluated through a realistic phishing detection task. Using Exploratory Factor Analysis (EFA), five latent constructs were identified, named: Seniority, Expertise, Creativity, Stability, and Vulnerability. Behavioral findings, validating self-reported impulsivity through its negative correlation with response times, demonstrate that faster decision-making significantly distinguishes vulnerable users from resilient ones. A K-Means clustering procedure, driven by the dimensions of Seniority (F1) and Creativity (F3), revealed two distinct user profiles: the Aware User and the High-Risk User. The results demonstrate that technical knowledge alone is insufficient to guarantee resilience; rather, the interaction between operational maturity, decision-making speed, and cognitive approach determines effectiveness. The findings suggest that the majority of users fall into the High-Risk category, characterized by hasty evaluation processes and lower critical analysis. These results underline the urgent need to move beyond "one-size-fits-all" training toward personalized, adaptive cybersecurity programs that actively address cognitive biases and behavioral tendencies.
• Abstract（参考訳）: フィッシングは依然として最も広範囲にわたるサイバーセキュリティの脅威の1つであり、技術的な脆弱性から人間の認知的・心理的要因へと焦点を移している。 本研究は, フィッシング研究の傾向と協調して, 現実的なフィッシング検出タスクを通じて1086人の参加者を対象とし, スパンリーデータセットからのデータを分析することによって, ユーザ・サセプティビリティの多次元的特性について検討する。 探索的因子分析 (EFA) を用いて、5つの潜伏構造が同定され、その名は Seniority, Expertise, Creativity, stability, Vulnerability である。 反応時間との負の相関を通じて自己申告された衝動性を検証する行動的知見は、より高速な意思決定が脆弱なユーザとレジリエントなユーザを著しく区別することを示した。 高齢者(F1)と創造性(F3)の次元によって駆動されるK-Meansクラスタリング手順では,Aware UserとHigh-Risk Userの2つの異なるユーザプロファイルが明らかになった。 その結果、技術的知識だけでは弾力性を保証するには不十分であることが示され、むしろ、運用の成熟度、意思決定速度、認知的アプローチの相互作用が有効性を決定する。 その結果, 利用者の大多数は, 急速評価プロセスと低臨界分析を特徴とするHigh-Riskカテゴリに該当することが示唆された。 これらの結果は、認知バイアスや行動傾向に積極的に対処するパーソナライズされたアダプティブなサイバーセキュリティプログラムへ、"オールサイズフィット"トレーニングを超えて、緊急に必要なものである。

関連論文リスト

• On the Privacy of LLMs: An Ablation Study [0.0]
  大規模言語モデル(LLM)は、対話的および検索強化された設定にますますデプロイされている。 我々は、統一的な脅威モデルと表記を導入し、一連のプライバシー攻撃を再現し、構造化されたアブレーション研究を行う。
  論文  参考訳（メタデータ） (2026-05-04T06:06:41Z)
• Behavioral Outcomes of Human Cognitive Security within an Integrative Modeling Framework [0.0]
  情報に基づく脅威は、人間の認知過程や行動に困難をもたらす。 情報に基づく脅威が人間の判断や意思決定に影響を及ぼす程度を特徴付けるための明確な構造は存在しない。 ここでは、情報に基づく脅威と観測可能な結果とのリンクに焦点を当てた人間の認知セキュリティ構造を紹介する。
  論文  参考訳（メタデータ） (2026-03-02T01:26:12Z)
• Empirical Analysis of Adversarial Robustness and Explainability Drift in Cybersecurity Classifiers [0.0]
  本稿では,2つのサイバーセキュリティ領域にまたがる敵対的堅牢性と説明可能性に関する実証的研究について述べる。 精度摂動曲線の領域として定義される量的指標であるロバストネス指数(RI)を導入する。 Phishing WebサイトとNB15データセットの実験では、一貫性のある堅牢性傾向が示されている。
  論文  参考訳（メタデータ） (2026-02-06T05:30:37Z)
• DeceptionBench: A Comprehensive Benchmark for AI Deception Behaviors in Real-world Scenarios [57.327907850766785]
  現実的な現実のシナリオにまたがる騙しのキャラクタリゼーションは未解明のままである。 DeceptionBenchは、さまざまなドメインにまたがる認知傾向を体系的に評価する最初のベンチマークです。 本研究は,本質的な側面から,ユーザ満足度を優先する自己関心のエゴスティックな傾向を示すモデルや,サイコファンティックな行動を示すモデルについて検討する。 実世界のフィードバックダイナミクスのより現実的なシミュレーションを構築するために,持続的マルチターン相互作用ループを組み込んだ。
  論文  参考訳（メタデータ） (2025-10-17T10:14:26Z)
• Dynamic Programming Techniques for Enhancing Cognitive Representation in Knowledge Tracing [125.75923987618977]
  認知表現動的プログラミングに基づく知識追跡(CRDP-KT)モデルを提案する。 質問の難易度とそれらの間の性能間隔に基づいて認知表現を最適化する動的プログラミングアルゴリズムである。 これは、その後のモデルトレーニングのためにより正確で体系的な入力機能を提供し、それによって認知状態のシミュレーションにおける歪みを最小限にする。
  論文  参考訳（メタデータ） (2025-06-03T14:44:48Z)
• Human-in-the-Loop Annotation for Image-Based Engagement Estimation: Assessing the Impact of Model Reliability on Annotation Accuracy [5.862907885873446]
  本研究では,ハイパフォーマンスなイメージベース感情モデルをHITLアノテーションフレームワークに統合する。 モデル信頼性および認知フレーミングの変化が、人間の信頼、認知負荷、アノテーション行動にどのように影響するかを検討する。 人間の監視と自動システムの強みを活用することにより、感情アノテーションのためのスケーラブルなHITLフレームワークを確立する。
  論文  参考訳（メタデータ） (2025-02-11T09:37:10Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Understanding Robust Overfitting from the Feature Generalization Perspective [61.770805867606796]
  逆行訓練(AT)は、逆行摂動を自然データに組み込むことで、堅牢なニューラルネットワークを構築する。 これはロバストオーバーフィッティング(RO)の問題に悩まされ、モデルのロバスト性を著しく損なう。 本稿では,新しい特徴一般化の観点からROを考察する。
  論文  参考訳（メタデータ） (2023-10-01T07:57:03Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)

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。