Fugu-MT 論文翻訳(概要): ReCAST: Restoration-aware Cascaded Stage-wise Training for Obfuscated SMS Risk Classification

論文の概要: ReCAST: Restoration-aware Cascaded Stage-wise Training for Obfuscated SMS Risk Classification

arxiv url: http://arxiv.org/abs/2609.04878v1
Date: Fri, 04 Sep 2026 08:36:21 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-07 18:15:23.978535
Title: ReCAST: Restoration-aware Cascaded Stage-wise Training for Obfuscated SMS Risk Classification
Title（参考訳）: ReCAST: 難読SMSリスク分類のための段階的訓練
Abstract要約: 中国のSMSでは、攻撃者はさまざまな難読化戦略を利用して、リスクを負うフレーズを隠すことができる。頑健な難読化中国語SMS分類のための再生対応カスケード段階訓練フレームワークであるReCASTを提案する。
参考スコア（独自算出の注目度）: 10.97496797048705
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Fraudulent messages sent via Short Message Service (SMS) are increasingly obfuscated to evade cost-conscious classifiers in production systems. In Chinese SMS, attackers can exploit a wide range of carefully crafted obfuscation strategies to hide risk-bearing phrases while preserving human readability, making direct classification brittle under real-world latency and throughput constraints. We propose ReCAST, a Restoration-aware Cascaded Stage-wise Training framework for robust obfuscated Chinese SMS classification. ReCAST distills a large teacher model's de-obfuscation ability into a smaller deployable student model by supervising obfuscated span detection, obfuscation type prediction, and text restoration, and then uses the restoration-aware student for downstream risk classification. Experiments on an internally constructed real-world Chinese SMS benchmark show that ReCAST substantially improves classification performance over directly trained baselines under obfuscation. The results suggest that restoration-aware distillation offers a practical path toward robust SMS risk classification with smaller deployable models under production-oriented constraints.
Abstract（参考訳）: ショートメッセージサービス(SMS)経由で送信される不正メッセージは、運用システムにおけるコスト意識の分類を回避するために、ますます難読化されている。中国のSMSでは、攻撃者は、人間の可読性を維持しながらリスクを抱えるフレーズを隠蔽し、現実世界のレイテンシとスループットの制約下での直接的な分類が不安定になるよう、慎重に作られた難読化戦略を多岐にわたって活用することができる。頑健な難読化中国語SMS分類のための再生対応カスケード段階訓練フレームワークであるReCASTを提案する。 ReCASTは、大規模な教師モデルの難読化能力を、難読化スパン検出、難読化型予測、テキスト復元を監督することにより、より小さな展開可能な学生モデルに蒸留し、下流のリスク分類に復元対応の学生を使用する。内部で構築された実世界の中国のSMSベンチマークの実験では、ReCASTは難読化の下で直接訓練されたベースラインよりも分類性能を大幅に改善している。以上の結果から, 製品指向の制約下では, より小さな展開可能なモデルで, 堅牢なSMSリスク分類を実現するための実践的な方法が示唆された。

関連論文リスト

Once a Response, Always a Response: Detecting LLM-generated Text via Latent Prompt Restoration [14.631414891878878]
大規模言語モデル (LLM) は、大規模に流動的で説得力のあるテキストを生成することができる。これらの懸念により、機械生成テキストの堅牢な検出がますます必要になる。本稿では,潜時プロンプト復元に基づくトレーニング不要な検出器であるEchoPromptを提案する。
論文参考訳（メタデータ） (2026-08-06T08:22:19Z)
Adversarial Reframing: A Framework for Targeted Generation in Language Models [4.231181719953953]
大規模言語モデル(LLM)は、さまざまな実世界の設定で広くデプロイされているが、ジェイルブレイクに対して脆弱であり、プロンプトベースの攻撃安全フィルタである。本稿では,基礎モデルの安全性を積極的に強化するためのツールとしてTHREAT (edversa bypass generation via Reframing) を提案する。
論文参考訳（メタデータ） (2026-05-20T19:31:07Z)
STRIDE: Learnable Stepwise Language Feedback for LLM Reasoning [80.78140312980484]
我々はSTRIDEと呼ばれる言語駆動の段階的軌道リダイレクトを提案する。我々は、結果に基づく報酬のみを使用して生成器と生成検証器を共同で訓練し、外部アノテーションを除去する。様々な推論ベンチマークの実験では、STRIDEが最先端のベースラインを大幅に上回っていることが示されている。
論文参考訳（メタデータ） (2026-05-13T11:04:31Z)
Prompt-Unknown Promotion Attacks against LLM-based Sequential Recommender Systems [51.504307822017985]
大規模言語モデルを用いたシーケンシャルレコメンデータシステム(LLM-SRS)は,最近顕著な性能を示した。本稿では, LLM-SRSにおけるアイテムプロモーション攻撃について, 攻撃者に対してシステムプロンプトと被害者モデルの両方が未知な状況下で, より現実的な状況下で検討する。
論文参考訳（メタデータ） (2026-04-26T10:09:26Z)
TextShield-R1: Reinforced Reasoning for Tampered Text Detection [48.66129052598456]
TextShield-R1は、最初の強化学習ベースのMLLMソリューションである。本稿では,テキスト検出のためのMLLMを十分に準備した,手軽でハードなカリキュラムであるForensic Continual Pre-trainingを紹介する。また、テキストフォレスシクス推論(TFR)ベンチマークを導入し、16言語で45万以上の実画像と改ざん画像を比較した。
論文参考訳（メタデータ） (2026-02-23T13:26:18Z)
Recursive language models for jailbreak detection: a procedural defense for tool-augmented agents [0.0]
Recursive Language Models (RLM) に基づくエンドツーエンドのジェイルブレイク検出フレームワーク RLM-JB を提案する。 RLM-JBは、検出をワンショット分類ではなく手順として扱う。 AutoDANスタイルの逆入力では、RLM-JBは3つのLLMバックエンド間で高い検出効率を実現する。
論文参考訳（メタデータ） (2026-02-18T15:07:09Z)
Anchored Decoding: Provably Reducing Copyright Risk for Any Language Model [99.16364381244445]
現代の言語モデル(LM)は、トレーニングデータの一部を記憶し、動詞のスパンを出力する傾向がある。提案するAnchored Decodingは,動詞の模倣を抑えるためのプラグアンドプレイ推論時間法である。本手法は,著作権リスクとユーティリティの長期評価において,6組のモデルペアで評価する。
論文参考訳（メタデータ） (2026-02-06T19:00:14Z)
HAMSA: Hijacking Aligned Compact Models via Stealthy Automation [3.7898376145698744]
大規模言語モデル(LLM)は、広範囲なアライメントの努力にもかかわらず有害なアウトプットを誘発できるジェイルブレイク攻撃の影響を受けやすい。セマンティックに意味があり、ステルス的なジェイルブレイクプロンプトを進化させ、協調したコンパクトなLDMのための自動赤チームフレームワークを提案する。本手法は,LLM における In-The-Wild Jailbreak Prompts と LLM における In-The-Wild Jailbreak Prompts から派生したアラビア語で,ネイティブアラビア語の言語学者によって注釈付けされた新たなキュレーションを行った。
論文参考訳（メタデータ） (2025-08-22T15:57:57Z)
Layer-Wise Perturbations via Sparse Autoencoders for Adversarial Text Generation [4.893110077312707]
本研究では,大規模モデルの解釈可能性を活用するブラックボックス攻撃手法を提案する。 Sparse Feature Perturbation Framework (SFPF) を導入する。実験結果から,SFPFが生成した対向テキストは,最先端の防御機構をバイパスできることが示された。
論文参考訳（メタデータ） (2025-08-14T07:12:44Z)
Your Language Model Can Secretly Write Like Humans: Contrastive Paraphrase Attacks on LLM-Generated Text Detectors [77.82885394684202]
テキスト検出を効果的に欺く訓練不要な方法である textbfContrastive textbfParaphrase textbfAttack (CoPA) を提案する。 CoPAは、大規模言語モデルによって生成される人間のような分布とは対照的に、補助的な機械的な単語分布を構築している。我々の理論的分析は、提案された攻撃の優越性を示唆している。
論文参考訳（メタデータ） (2025-05-21T10:08:39Z)
Cannot See the Forest for the Trees: Invoking Heuristics and Biases to Elicit Irrational Choices of LLMs [83.11815479874447]
本研究では,人間の認知における認知的分解と偏見に触発された新しいジェイルブレイク攻撃フレームワークを提案する。我々は、悪意のあるプロンプトの複雑さと関連バイアスを減らし、認知的分解を用いて、プロンプトを再編成する。また、従来の二分的成功または失敗のパラダイムを超越したランキングベースの有害度評価指標も導入する。
論文参考訳（メタデータ） (2025-05-03T05:28:11Z)
Helping Large Language Models Protect Themselves: An Enhanced Filtering and Summarization System [2.0257616108612373]
大規模言語モデルは、敵の攻撃、操作プロンプト、悪意のある入力のエンコードに弱い。本研究は,LSMが敵対的あるいは悪意的な入力を自力で認識し,フィルタリングし,防御することのできる,ユニークな防御パラダイムを提案する。
論文参考訳（メタデータ） (2025-05-02T14:42:26Z)

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。