論文の概要: Enhancing User Resilience Against AI-Augmented Phishing: A Two-Stage Framework for Detection and Personalized Training

• arxiv url: http://arxiv.org/abs/2608.21547v1
• Date: Fri, 21 Aug 2026 18:36:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.268569
• Title: Enhancing User Resilience Against AI-Augmented Phishing: A Two-Stage Framework for Detection and Personalized Training
• Title（参考訳）: AI強化フィッシングに対するユーザレジリエンスの強化:検出とパーソナライズドトレーニングのための2段階フレームワーク
• Abstract要約: 技術的防衛とユーザ中心のセキュリティ教育を組み合わせた2段階のアンチフィッシングフレームワークであるCyberGLAを提案する。 検出段階では,マルチレベルメール解析を行うスプーフ検出ツールであるEmailKnightを導入する。 ユーザ意識を高めるために、トレーニングステージには、パーソナライズされたトレーニングモジュールを動的に選択する大規模言語モデル(LLM)ベースのセキュリティコーチが組み込まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid development of artificial intelligence, including agents and deepfake techniques, has accelerated phishing attacks and lowered the threshold for attackers. Modern phishing attacks now blend multiple tactics, including social engineering, URL spoofing, and AI deepfakes enabling adversaries to craft highly convincing messages that exploit human vulnerabilities and bypass traditional detection systems. At the same time, current security awareness education struggles to keep up with the speed, sophistication, and complexity of these evolving threats. To address this challenge, we propose a two-stage anti-phishing framework, CyberGLA, that combines technical defense and user-centered security education. In the Detection stage, we introduce EmailKnight, a spoof detection tool that performs multi-level email analysis. To enhance user awareness, the Training stage incorporates a large language model (LLM)-based security coach that dynamically selects personalized training modules based on the outcomes of the Detection stage. This dual purpose design philosophy enables effective protection against the evolving threats of modern email phishing attacks.
• Abstract（参考訳）: エージェントやディープフェイク技術を含む人工知能の急速な発展はフィッシング攻撃を加速させ、攻撃者の閾値を下げている。 現代のフィッシング攻撃は、ソーシャルエンジニアリング、URLの偽造、AIディープフェイクなど、複数の戦術を融合し、敵は人間の脆弱性を悪用し、従来の検知システムをバイパスする、非常に説得力のあるメッセージを作ることができる。 同時に、現在のセキュリティ意識教育は、これらの進化する脅威のスピード、洗練、複雑さに追随するために苦労している。 この課題に対処するために,技術防衛とユーザ中心のセキュリティ教育を組み合わせた2段階のアンチフィッシングフレームワークであるCyberGLAを提案する。 検出段階では,マルチレベルメール解析を行うスプーフ検出ツールであるEmailKnightを導入する。 ユーザ意識を高めるために、トレーニングステージには、検出ステージの結果に基づいてパーソナライズされたトレーニングモジュールを動的に選択する、大規模言語モデル(LLM)ベースのセキュリティコーチが組み込まれている。 この二重目的設計哲学は、現代の電子メールフィッシング攻撃の脅威に対する効果的な保護を可能にする。

関連論文リスト

• Breaking and Defending LLM-Powered Social Media Bot Detection Systems [0.0]
  ソーシャルメディアボットは、誤情報、意見操作、オンラインプラットフォームにおける信頼の侵食を可能にする、永続的な脅威となる。 これに対抗するために、ボットの活動を検出して制限するために機械学習システムが開発されたが、攻撃者は敵の学習や行動模倣といった手法を通じて継続的に適応する。 大規模言語モデル(LLM)の最近の進歩は、アカウントとその内容のより深い意味的・文脈的分析を可能にすることにより、ボット検出を大幅に改善している。 本稿では,適応的対向条件下で検出信頼性を維持するために,堅牢なマルチLLMディフェンスアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-08-16T18:56:01Z)
• Techniques of Modern Attacks [51.56484100374058]
  Advanced Persistent Threats (APT) は特定の標的を狙った複雑な攻撃方法である。 本稿では,近年の学術研究で提案されている攻撃ライフサイクルと最先端の検知・防衛戦略について検討する。 それぞれのアプローチの長所と短所を強調し、より適応的なAPT緩和戦略を提案する。
  論文  参考訳（メタデータ） (2026-01-19T22:15:25Z)
• Explainable Transformer-Based Email Phishing Classification with Adversarial Robustness [0.0]
  フィッシングと関連するサイバー脅威は、より多様で技術的に進んでいる。 最近の脅威、特に人工知能(AI)によるフィッシング攻撃は、フィッシング検出器のシステム全体のレジリエンスを低下させている。 本研究では,メール分類におけるBERT変換モデルの小型,高速,軽量バージョンであるDistilBERTを用いたハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2025-11-15T08:05:47Z)
• MultiPhishGuard: An LLM-based Multi-Agent System for Phishing Email Detection [3.187381965457262]
  MultiPhishGuardは動的マルチエージェント検出システムである。 本フレームワークでは, 政策最適化強化学習アルゴリズムを用いて, 自動決定重み付けを行う5つの協調エージェントを用いる。 実験により、MultiPhishGuardは偽陽性(2.73%)と偽陰性率(0.20%)で高い精度(97.89%)を達成することが示された。
  論文  参考訳（メタデータ） (2025-05-26T23:27:15Z)
• Tit-for-Tat: Safeguarding Large Vision-Language Models Against Jailbreak Attacks via Adversarial Defense [90.71884758066042]
  大きな視覚言語モデル(LVLM)は、視覚入力による悪意のある攻撃に対する感受性という、ユニークな脆弱性を導入している。 本稿では,脆弱性発生源からアクティブ防衛機構へ視覚空間を変換するための新しい手法であるESIIIを提案する。
  論文  参考訳（メタデータ） (2025-03-14T17:39:45Z)
• Web Phishing Net (WPN): A scalable machine learning approach for real-time phishing campaign detection [0.0]
  現在、フィッシングはサイバー攻撃の最も一般的なタイプであり、データ漏洩の主な原因と認識されている。 本稿では,高速かつスケーラブルな教師なし学習手法を提案する。 ユーザのプライバシを保護しながら、高い検出率でキャンペーン全体を検出することができる。
  論文  参考訳（メタデータ） (2025-02-17T15:06:56Z)
• Deep Learning-Based Speech and Vision Synthesis to Improve Phishing Attack Detection through a Multi-layer Adaptive Framework [1.3353802999735709]
  現在のアンチフィッシング法は、攻撃者が採用する高度化戦略のために、複雑なフィッシングに対して脆弱なままである。 本研究では,Deep LearningとRandon Forestを組み合わせて,画像の読み上げ,ディープフェイクビデオからの音声合成,自然言語処理を行うフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-27T06:47:52Z)
• BadCLIP: Dual-Embedding Guided Backdoor Attack on Multimodal Contrastive Learning [85.2564206440109]
  本報告では,防衛後においてもバックドア攻撃が有効であり続けるという現実的なシナリオにおける脅威を明らかにする。 バックドア検出や細調整防御のモデル化に抵抗性のあるemphtoolnsアタックを導入する。
  論文  参考訳（メタデータ） (2023-11-20T02:21:49Z)
• Illusory Attacks: Information-Theoretic Detectability Matters in Adversarial Attacks [76.35478518372692]
  エプシロン・イリューソリー(epsilon-illusory)は、シーケンシャルな意思決定者に対する敵対的攻撃の新たな形態である。 既存の攻撃と比較して,エプシロン・イリューソリーの自動検出は極めて困難である。 以上の結果から, より優れた異常検知器, 効果的なハードウェアおよびシステムレベルの防御の必要性が示唆された。
  論文  参考訳（メタデータ） (2022-07-20T19:49:09Z)
• Towards Automated Classification of Attackers' TTPs by combining NLP with ML Techniques [77.34726150561087]
  我々は,NLP(Natural Language Processing)と,研究におけるセキュリティ情報抽出に使用される機械学習技術の評価と比較を行った。 本研究では,攻撃者の戦術や手法に従って非構造化テキストを自動的に分類するデータ処理パイプラインを提案する。
  論文  参考訳（メタデータ） (2022-07-18T09:59:21Z)
• Phishing and Spear Phishing: examples in Cyber Espionage and techniques to protect against them [91.3755431537592]
  フィッシング攻撃は、2012年以降、サイバー攻撃の91%以上を突破し、オンライン詐欺で最も使われているテクニックとなっている。 本研究は, フィッシングとスピア・フィッシングによる攻撃が, 結果を大きくする5つのステップを通じて, フィッシングとスピア・フィッシングによる攻撃の実施方法についてレビューした。
  論文  参考訳（メタデータ） (2020-05-31T18:10:09Z)

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。