論文の概要: The Traffickers' Pitch: Detecting Deceptive Recruitment in Online Job Boards

• arxiv url: http://arxiv.org/abs/2605.25416v1
• Date: Mon, 25 May 2026 04:32:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:19.286684
• Title: The Traffickers' Pitch: Detecting Deceptive Recruitment in Online Job Boards
• Title（参考訳）: オンライン求人掲示板の偽装行為を検知する「トレーカーのピッチ」
• Authors: Siyi Zhou, Peiran Qiu, Tanishq Salkar, Leonardo Blas Urrutia, Dacheng Shen, Deyang Hsu, Eun Cheol Choi, Emilio Ferrara,
• Abstract要約: 本稿では,その言語的特徴から人身売買採用者を特定するための計算フレームワークを提案する。 本稿では,リスクの高い求人広告のための大規模基盤真理を構築するためのネットワーク型ラベリング手法を提案する。
• 参考スコア（独自算出の注目度）: 5.950226123035741
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While substantial efforts in anti-trafficking research and practice have focused on identifying and assisting victims after exploitation occurs, comparatively less attention has been paid to preventing victimization at the recruitment stage. Although some platforms offer preventive tools, such as background checks triggered by in-person meeting detection, these measures primarily protect potential victims rather than directly limiting traffickers' recruitment activities. In this paper, we propose a computational framework to identify human trafficking recruiters through their linguistic features and to characterize their online recruitment patterns. We introduce a network-driven labeling method to construct large-scale ground truth for trafficking-at-risk job advertisements. Our results reveal significant linguistic differences between safe and risky advertisements and demonstrate that language models and embedding representations behave distinctly across these linguistic spaces. Building on these insights, we propose a multi-model ensemble classifier to improve the detection of trafficking-at-risk job ads. Finally, we analyze the geographic, gender, industry, and contact-method preferences of trafficking recruiters, revealing systematic patterns in recruitment strategies.
• Abstract（参考訳）: 反トラヒック研究と実践は、搾取後の被害者の特定と支援に重点を置いているが、採用段階での犠牲者の発見を阻止するためには、比較的注意が払われていない。 一部のプラットフォームでは、個人会議の検出によって引き起こされるバックグラウンドチェックなどの予防ツールを提供しているが、これらの対策は主に、交通機関の求人活動を直接制限するのではなく、潜在的な犠牲者を保護している。 本稿では,その言語的特徴から人身売買採用者を識別し,オンライン採用パターンを特徴付けるための計算フレームワークを提案する。 本稿では,リスクの高い求人広告のための大規模基盤真理を構築するためのネットワーク型ラベリング手法を提案する。 本研究は,安全広告と危険広告の言語的差異を顕著に示し,言語モデルと埋め込み表現が言語空間で明確に振る舞うことを示すものである。 これらの知見に基づいて,リスクの高い求人広告の検出を改善するために,マルチモデルアンサンブル分類器を提案する。 最後に,採用者の地理的・性別,産業的・接触的嗜好を分析し,採用戦略の体系的パターンを明らかにする。

関連論文リスト

• Boundary-targeted Membership Inference Attacks on Safety Classifiers [70.20833439671131]
  安全分類器は、セルフハームとメンタルヘルスの議論を含むセンシティブなデータセットに基づいて訓練される。 低信頼例を識別する新たな境界目標選択戦略を導入する。 実験により、相手は会話の19%を安全分類器が5%の偽陽性率でユーザーの苦痛を示すようにフラグ付けして回復できることが示された。 これは最先端のMIAメソッドだけで攻撃するより3.5ドル高い。
  論文  参考訳（メタデータ） (2026-05-21T12:05:22Z)
• Towards Unsupervised Adversarial Document Detection in Retrieval Augmented Generation Systems [0.0]
  検索型拡張現実システムは日常生活の不可欠な部分となっている。 コンテキスト文書を操作することは、攻撃を継続し、すべてのユーザーに影響を与えさせる方法である。 攻撃者が操作したいターゲットプロンプトを操作することは、検出を成功させるためには必要ない。
  論文  参考訳（メタデータ） (2026-03-17T22:09:37Z)
• Algorithms for Adversarially Robust Deep Learning [58.656107500646364]
  望ましいロバスト性を示すアルゴリズムの設計に向けた最近の進歩について論じる。 医用画像,分子識別,画像分類における最先端の一般化を実現するアルゴリズムを提案する。 我々は、堅牢な言語ベースのエージェントを設計するための進歩のフロンティアとして、新たな攻撃と防御を提案する。
  論文  参考訳（メタデータ） (2025-09-23T14:48:58Z)
• Searching for Privacy Risks in LLM Agents via Simulation [61.229785851581504]
  本稿では,プライバシクリティカルなエージェントインタラクションのシミュレーションを通じて,攻撃と防御戦略の改善を交互に行う検索ベースのフレームワークを提案する。 攻撃戦略は、直接の要求から、不正行為や同意偽造といった高度な戦術へとエスカレートする。 発見された攻撃と防御は、さまざまなシナリオやバックボーンモデルにまたがって伝達され、プライバシーに配慮したエージェントを構築するための強力な実用性を示している。
  論文  参考訳（メタデータ） (2025-08-14T17:49:09Z)
• Enhanced Online Grooming Detection Employing Context Determination and Message-Level Analysis [2.424910201171407]
  オンライングルーミング(オンライングルーミング、OG)は、ソーシャルメディアやメッセージプラットフォーム上での子供の脆弱性を危うくする詐欺的手法を用いて、オンラインで子どもが優先的に直面している一般的な脅威である。 既存のソリューションは、リアルタイムのOG検出に効果的に対応しない児童虐待メディアの署名分析に重点を置いている。 本稿では,OG攻撃が複雑であり,大人と子供のコミュニケーションパターンの特定が必要であることを提案する。
  論文  参考訳（メタデータ） (2024-09-12T11:37:34Z)
• Tracing the Unseen: Uncovering Human Trafficking Patterns in Job Listings [9.450459784653196]
  我々は、米国内の8つの関連地域から収集された4千万件の求人情報を分析した(2006-2024)。 広告機会の種類,好ましくない接触の態様,投稿頻度を調べた結果,不審な広告を特徴付けるパターンが明らかになった。 この研究は、オンラインの求人ボードとコミュニケーションプラットホームが、人間のトラフィックのファシリテーターを知らないままにするための、より深い研究の必要を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-06-18T10:18:15Z)
• Fine-Tuning Llama 2 Large Language Models for Detecting Online Sexual Predatory Chats and Abusive Texts [2.406214748890827]
  本稿では,Llama 2 7B-パラメーターモデルを用いて,オンライン性的捕食チャットと虐待言語の検出手法を提案する。 我々は、異なる大きさ、不均衡度、言語(英語、ローマ・ウルドゥー語、ウルドゥー語)のデータセットを用いてLLMを微調整する。 実験結果から,提案手法は3つの異なるデータセットに対して精度よく一貫した性能を示す。
  論文  参考訳（メタデータ） (2023-08-28T16:18:50Z)
• Unveiling the Potential of Knowledge-Prompted ChatGPT for Enhancing Drug Trafficking Detection on Social Media [30.791563171321062]
  そこで本研究では,人間がLLMと対話し,その検出作業を行うためのインタフェースとして,emphknowledgeインフォームドプロンプトを構成するための分析フレームワークを提案する。 実験により,本フレームワークは薬物輸送検出精度において,他のベースライン言語モデルよりも優れていることが示された。 この研究がソーシャルネットワークにもたらした意味は、オンラインのセキュリティと公衆安全を改善するための分析ツールに事前知識とシナリオベースのプロンプトを組み込むことの重要性を強調している。
  論文  参考訳（メタデータ） (2023-07-07T16:15:59Z)
• Detecting adversaries in Crowdsourcing [71.20185379303479]
  本研究は, クラウドソース型分類における敵の影響を, 人気のダウィド・アンド・スケネモデルを用いて検討する。 敵は、クラウドソーシングモデルから任意に逸脱することを許され、潜在的に協力する可能性がある。 我々は,アノテータ応答の2次モーメント構造を利用して,多数の敵を識別し,クラウドソーシングタスクへの影響を軽減するアプローチを開発した。
  論文  参考訳（メタデータ） (2021-10-07T15:07:07Z)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)

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。