論文の概要: Propaganda Forensics: Recovering the Generation Pipeline of an AI-Driven Influence Campaign

• arxiv url: http://arxiv.org/abs/2608.15746v1
• Date: Sun, 16 Aug 2026 13:53:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.41168
• Title: Propaganda Forensics: Recovering the Generation Pipeline of an AI-Driven Influence Campaign
• Title（参考訳）: プロパガンダの法医学 - AI駆動型インフルエンスキャンペーンの生成パイプラインの復元
• Abstract要約: 本稿では,2025年にVIGINUMとINSIKT GROUPが公開したStorm-1516/CopyCopキャンペーンの,2,646件のプロパガンダ的フランス語記事のコーパスであるProPAGIAを紹介する。 ProPAGIAはSIPAよりも曖昧さ,主観性,否定性に優れていた。 書き換えに基づく検出は,INSIKT GROUPのLlama 3ファミリーへの寄与を支持するが,Mistralファミリーモデルの関与も示唆する。
• 参考スコア（独自算出の注目度）: 1.2721912201160055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a forensic analysis of the generation pipeline behind a recent AI-driven influence campaign. We introduce PROPAGIA, a corpus of 2,646 propagandist French articles from the Storm-1516/CopyCop campaign disclosed by VIGINUM and INSIKT GROUP in 2025. For comparison, we rely on SIPA, a corpus of human-written French mainstream press from the same period. Using topic modeling, vagueness and sentiment analysis, we first isolate persuasion techniques characteristic of propaganda, with PROPAGIA far exceeding SIPA in vagueness, subjectivity and negativity, and citing fewer sources. We then find prompt instruction leaks on 50 of the 84 PROPAGIA websites, including a verbatim ten-point editorial specification accounting for several of these differences, together with high cross-article redundancy. Finally, we show that rewriting-based detection supports INSIKT GROUP's attribution to the Llama 3 family, but also suggests the involvement of Mistral-family models.
• Abstract（参考訳）: 本稿では,近年のAI駆動型インフルエンスキャンペーンの背景にある世代パイプラインの法医学的分析について述べる。 本稿では,2025年にVIGINUMとINSIKT GROUPが公開したStorm-1516/CopyCopキャンペーンの,2,646件のプロパガンダ的フランス語記事のコーパスであるProPAGIAを紹介する。 比較として、同時代のフランスの主流メディアのコーパスであるSIPAを頼りにしている。 トピックモデリング,あいまいさ,感情分析を用いて,まずプロパガンダの特徴的説得手法を分離し,SIPAをはるかに超越した曖昧さ,主観性,否定性を示し,少ない情報源を引用した。 次に,84のProPAGIAウェブサイトの50箇所に,これらの相違点のいくつかを記述した冗長な10点編集仕様を含むインスツルメンテーションリークと,高いクロスアーティクル冗長性を示す。 最後に,INSIKT GROUPのLlama 3ファミリーへの寄与をリライトベースで検出できることを示し,Mistralファミリーモデルの関与も示唆した。

関連論文リスト

• When Agents Persuade: Propaganda Generation and Mitigation in LLMs [2.1621083698499644]
  LLMは、マニピュレータ材料を製造するために利用することができる。 テキストをプロパガンダまたは非プロパガンダに分類するモデルと、プロパガンダの修辞的手法を検出するモデルを用いて、それらの出力を分析する。 その結果, 微調整によって生成傾向が著しく低下し, ORPOが最も有効であることが判明した。
  論文  参考訳（メタデータ） (2026-03-04T21:56:29Z)
• A Longitudinal, Multinational, and Multilingual Corpus of News Coverage of the Russo-Ukrainian War [4.802758600019422]
  DNIPROは、2022年2月から2024年8月までのロシア・ウクライナ戦争を記した246Kのニュース記事からなる、新しい縦断コーパスである。 5つの州(ロシア、ウクライナ、アメリカ合衆国、イギリス、中国)の11のメディアと3つの言語(英語、ロシア語、中国語)にまたがる。
  論文  参考訳（メタデータ） (2026-01-22T20:37:42Z)
• PropaInsight: Toward Deeper Understanding of Propaganda in Terms of Techniques, Appeals, and Intent [71.20471076045916]
  プロパガンダは世論の形成と偽情報の拡散に重要な役割を果たしている。 Propainsightはプロパガンダを体系的に、技術、覚醒的魅力、そして根底にある意図に分解する。 Propagazeは、人間の注釈付きデータと高品質な合成データを組み合わせる。
  論文  参考訳（メタデータ） (2024-09-19T06:28:18Z)
• Motamot: A Dataset for Revealing the Supremacy of Large Language Models over Transformer Models in Bengali Political Sentiment Analysis [0.0]
  政治的感情を分析することは、特に選挙期間中の世論過程の複雑さを理解するために重要である。 本研究は, 肯定的, 否定的な感情を付加した7,058件からなる「モタモット」データセットの作成に焦点を当てた。 バングラバート,バングラバートベース,XLM-RoBERTa,mBERT,sahajBERT,およびジェミニ1.5 Pro,GPT3.5 TurboなどのPLMの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-28T16:34:53Z)
• Large Language Models Reveal Information Operation Goals, Tactics, and Narrative Frames [11.092274997807994]
  我々は,協調キャンペーンアノテーションのケーススタディとして GPT-3.5 を用いる。 協調キャンペーン毎に、GPT-3.5を用いて特定の関心事に関連する投稿を分析し、目標、戦術、物語のフレームを抽出する。
  論文  参考訳（メタデータ） (2024-05-06T17:59:07Z)
• Forging the Forger: An Attempt to Improve Authorship Verification via Data Augmentation [52.72682366640554]
  著者検証(英語: Authorship Verification, AV)とは、ある特定の著者によって書かれたか、別の人物によって書かれたのかを推測するテキスト分類タスクである。 多くのAVシステムは敵の攻撃に弱いことが示されており、悪意のある著者は、その書体スタイルを隠蔽するか、あるいは他の著者の書体を模倣することによって、積極的に分類者を騙そうとしている。
  論文  参考訳（メタデータ） (2024-03-17T16:36:26Z)
• Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews [51.453135368388686]
  本稿では,大規模言語モデル (LLM) によって実質的に修正あるいは生成される可能性のある大規模コーパスにおけるテキストの分数推定手法を提案する。 我々の最大可能性モデルは、専門家による参照テキストとAIによる参照テキストを利用して、コーパスレベルでの実世界のLLM使用を正確かつ効率的に検証する。
  論文  参考訳（メタデータ） (2024-03-11T21:51:39Z)
• LLM generated responses to mitigate the impact of hate speech [1.774563970628096]
  本稿では,自動モデレーションシステムの設計について概説し,ユーザエンゲージメントを測定するための簡易な指標を提案する。 談話モデレーションのための生成AIの展開における倫理的考察と課題について論じる。
  論文  参考訳（メタデータ） (2023-11-28T16:08:42Z)
• Understanding writing style in social media with a supervised contrastively pre-trained transformer [57.48690310135374]
  オンラインソーシャルネットワークは、ヘイトスピーチから偽情報の拡散まで、有害な行動の場として機能している。 本稿では, 4.5 x 106テキストの公開資料から得られた大規模コーパスに基づいて学習したStyle Transformer for Authorship Representations (STAR)を紹介する。 512個のトークンからなる8つのドキュメントからなるサポートベースを使用して、著者を最大1616人の著者のセットから、少なくとも80%の精度で識別することができる。
  論文  参考訳（メタデータ） (2023-10-17T09:01:17Z)
• Faking Fake News for Real Fake News Detection: Propaganda-loaded Training Data Generation [105.20743048379387]
  提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。 具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。 実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
  論文  参考訳（メタデータ） (2022-03-10T14:24:19Z)
• Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
  本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。 本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
  論文  参考訳（メタデータ） (2020-11-13T10:19:13Z)

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。