論文の概要: The Anatomy of Scam Scenarios: Large-Scale Characterization and Conversation-Aware Detection

• arxiv url: http://arxiv.org/abs/2606.16052v1
• Date: Sun, 14 Jun 2026 22:54:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 18:36:05.007487
• Title: The Anatomy of Scam Scenarios: Large-Scale Characterization and Conversation-Aware Detection
• Title（参考訳）: 詐欺シナリオの解剖 : 大規模キャラクタリゼーションと会話認識検出
• Abstract要約: 我々はスカムシナリオとその関連するPTを共同で特徴付けるための大規模な実証的研究を行っている。 我々は,スカムシナリオの階層的な分類を導出するデータ駆動パイプラインを開発した。 このシナリオレベルの知識を実用的な防御に転送するために,対話型カメラシナリオ検出手法を設計する。
• 参考スコア（独自算出の注目度）: 20.874064907105893
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online scams have become a pervasive global threat, causing substantial financial, psychological, and operational harm. Scammers embed psychological techniques (PTs) within reusable operational schemes to scale scam campaigns with minimal adaptation. However, existing studies often analyze PTs as isolated features, overlooking the recurring scam scenarios in which they are systematically deployed. To address this gap, we first conduct a large-scale empirical study to jointly characterize scam scenarios and their associated PTs. Specifically, we develop a data-driven pipeline to derive a hierarchical taxonomy of scam scenarios, consisting of 18 fine-grained scenarios grouped into 6 high-level tactics based on their PT profiles. Furthermore, to transfer this scenario-level knowledge to practical defense, we design a conversation-aware scam scenario detection approach for financial-institution customer interactions, enabling timely warning and intervention. Our study on 102,054 real-world scam incident reports, spanning 2024-02-01 to 2025-10-31, reveals that PT usage is significantly associated with scam scenarios. We further show that scammers organize scenarios around different operational goals, such as broad victim exposure, high victim conversion, and high-value extraction, and reuse infrastructure, including IP addresses, domains, email addresses, and phone numbers, to launch coordinated campaigns at scale. Evaluation on
• Abstract（参考訳）: オンライン詐欺は世界的な脅威となり、経済的、心理的、運用上の重大な被害を引き起こしている。 スキャマーは、最小限の適応で詐欺キャンペーンをスケールするために、再利用可能な作戦計画に心理学的テクニック(PT)を組み込む。 しかし、既存の研究はPTを孤立した特徴として分析し、それらが体系的に展開される繰り返し発生する詐欺のシナリオを見渡す。 このギャップに対処するため、我々はまずスカムシナリオとその関連するPTを共同で特徴付けるための大規模な実証的研究を行った。 具体的には、スカムシナリオの階層的な分類を導出するデータ駆動パイプラインを開発し、PTプロファイルに基づいた6つのハイレベル戦術にグループ化された18のきめ細かいシナリオからなる。 さらに,このシナリオレベルの知識を実践的防衛に伝達するために,金融機関の顧客インタラクションのための対話型カメラシナリオ検出アプローチを設計し,タイムリーな警告と介入を可能にした。 2024-02-01から2025-10-31までの102,054件のリアルタイム詐欺事件報告について検討したところ,PTの使用状況は詐欺事件と大きく関連していることがわかった。 さらに,スパマーは,広範囲な被害者の露出,高い被害者の変換,高価値抽出,IPアドレス,ドメイン,メールアドレス,電話番号などの再利用インフラストラクチャといった,さまざまな運用目標に関するシナリオを整理し,大規模に連携したキャンペーンを起動することを示した。 評価

関連論文リスト

• DelusionEval: Measuring Delusion-Linked Behaviors in AI Chatbots [49.59847654758852]
  メンタルヘルスの専門家は、大きな言語モデル(LLM)との相互作用による心理的害のリスクを懸念している。 我々はDelusionEvalを開発した。DelusionEvalは、モデルがユーザの妄想を助長する行動を示す傾向をテストするための評価プロトコルである。 評価されたLCMが妄想関連行動を示す傾向は, モデルサイズ, リリース日, テストタイム推論の有無と確実に相関しないことがわかった。
  論文  参考訳（メタデータ） (2026-08-05T16:11:08Z)
• Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
  災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。 タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。 DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
  論文  参考訳（メタデータ） (2026-05-12T06:57:41Z)
• Anansi: Scalable Characterization of Message-Based Job Scams [4.132349063771989]
  ジョブベースのスマイシング詐欺は、オンライン詐欺の幅広い状況の中で急速に増加し、過小評価されている脅威を表している。 Anansiは最初のスケーラブルでエンドツーエンドの計測パイプラインで、野生のジョブ詐欺と体系的に関わり、分析し、特徴付けるように設計されている。
  論文  参考訳（メタデータ） (2026-02-27T17:49:56Z)
• Are Your Agents Upward Deceivers? [73.1073084327614]
  大規模言語モデル(LLM)ベースのエージェントは、ユーザのためにタスクを実行する自律的な従属者として、ますます使われています。 これは、人間の組織の個人がどのように上官に嘘をついて良いイメージを作り出したり、罰を免れるかのような、詐欺にも関与するかどうかという問題を提起する。 本研究では,環境制約に直面するエージェントが障害を隠蔽し,報告なしに要求されない動作を行う現象であるエージェント上行錯誤を観察・定義する。
  論文  参考訳（メタデータ） (2025-12-04T14:47:05Z)
• When AI Agents Collude Online: Financial Fraud Risks by Collaborative LLM Agents on Social Platforms [101.2197679948061]
  大規模言語モデル(LLM)エージェントを用いた大規模マルチエージェントシステムにおける集団金融詐欺のリスクについて検討する。 金融詐欺シナリオをシミュレーションするための大規模ベンチマークであるMultiAgentFraudBenchを提案する。
  論文  参考訳（メタデータ） (2025-11-09T16:30:44Z)
• Victim as a Service: Designing a System for Engaging with Interactive Scammers [29.43320237202651]
  LLMベースのシステムであるCHATTERBOX(CHATTERBOX)のモチベーション,設計,実装,経験について述べる。 我々は、詐欺未遂を誘致するために開発した手法、詐欺行為を説得するために必要なシステムとLLMエンジニアリング、詐欺のワークフローにおいて「マイルストーン」を満足または回避するために必要な能力について述べる。
  論文  参考訳（メタデータ） (2025-10-27T23:19:29Z)
• 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)
• 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)
• 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)
• DeCrisisMB: Debiased Semi-Supervised Learning for Crisis Tweet Classification via Memory Bank [52.20298962359658]
  危機イベントにおいて、人々は、状況、警告、アドバイス、サポートに関する情報を広めるために、Twitterのようなソーシャルメディアプラットフォームを使うことが多い。 完全に教師されたアプローチでは、大量のデータを注釈付けする必要があります。 半教師付きモデルは偏りがあり、特定のクラスでは適度に機能し、他のクラスでは極めて貧弱である。 本稿では,メモリバンクを用いて,各学習クラスから生成された擬似ラベルを等しくサンプリングする,単純かつ効果的なデバイアス処理手法であるDeCrisisMBを提案する。
  論文  参考訳（メタデータ） (2023-10-23T05:25:51Z)

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。