論文の概要: Using Codebooks to Detect Cybercrime Topics in Text Narratives

• arxiv url: http://arxiv.org/abs/2609.16000v1
• Date: Thu, 23 Jul 2026 21:32:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.531183
• Title: Using Codebooks to Detect Cybercrime Topics in Text Narratives
• Title（参考訳）: テキストナラティブにおけるコードブックによるサイバー犯罪トピックの検出
• Abstract要約: 本稿では,定性的なサイバー犯罪研究のコードブックを用いて,消費者物語におけるサイバー犯罪のトピックを検出するLCMプロンプト手法を提案する。 インポスタスカムとID盗難の2つのサイバー犯罪トピックに対して,本手法は5つのモデルの複数回にわたる高精度なリコールとリコールを実現することを実証する。 この戦略は、多くの地方自治体のように資源に制約のある組織が、コミュニティの安全をサポートするためにフロンティアモデルを活用する道筋を示唆している。
• 参考スコア（独自算出の注目度）: 2.2257399538053817
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In the United States, management of cybercrime-related consumer complaints increasingly falls on state and city governments given de-staffing of federal agencies. AI, and in particular, large language models (LLMs), shows promise for detecting cybercrime in text complaints, but often via specialized models that local governments are not resourced to develop and maintain. We present an LLM prompting method that uses codebooks from qualitative cybercrime research to detect cybercrime topics in consumer narratives. For two cybercrime topics, impostor scams and identity theft, we demonstrate the method achieves high precision and recall across multiple runs of 5 models in the Gemini and GPT model families. This strategy suggests a path for resource-constrained organizations, like many local governments, to leverage frontier models to support community safety.
• Abstract（参考訳）: アメリカ合衆国では、サイバー犯罪に関連する消費者の苦情の管理は、連邦機関の停止を条件に、州や市政府に次第に委ねられている。 AI、特に大規模言語モデル(LLM)は、テキストの苦情でサイバー犯罪を検出することを約束するが、地方自治体が開発と維持に資源を供給していない特殊なモデルによってしばしば行われる。 本稿では,定性的なサイバー犯罪研究のコードブックを用いて,消費者物語におけるサイバー犯罪のトピックを検出するLCMプロンプト手法を提案する。 サイバー犯罪の2つのトピック,インポスタ詐欺とアイデンティティ盗難に対して,GeminiおよびGPTモデルファミリーにおいて,複数のモデルに対して高い精度とリコールを実現する手法を実証した。 この戦略は、多くの地方自治体のように資源に制約のある組織が、コミュニティの安全をサポートするためにフロンティアモデルを活用する道筋を示唆している。

関連論文リスト

• Stand-Alone Complex or Vibercrime? Exploring the adoption and innovation of GenAI tools, coding assistants, and agents within cybercrime ecosystems [0.0]
  我々は、サイバー犯罪のための生成的AIによって引き起こされる真の脅威は、かなり異なると論じている。 ハイエンドでは,個別のアクターが既存のサイバー犯罪・アズ・ア・サービスア・ア・ア・ア・ア・ア・ア・ア・ア・サービス・アレンジをほぼ自動化できる,サイバー犯罪・ガン・イン・ア・ボックスソリューションであるスタンド・アローン・コンプレックスを提案する。 ローエンドでは、「バイブコーディング」が参入障壁を低くするが、サイバー犯罪の経済構造を根本的に変えないビバークライム現象を提案する。
  論文  参考訳（メタデータ） (2026-03-31T10:28:33Z)
• A Multi-Turn Framework for Evaluating AI Misuse in Fraud and Cybercrime Scenarios [1.1864532555108382]
  現在の大規模言語モデルが、複雑な犯罪活動に有用な情報を提供しているかは、不明である。 我々は、ドメインの専門家が評価したように、モデルがWeb上で一般的に利用可能な情報を超えて実行可能な支援を提供するかどうかを評価する。 その結果,(1)現在の大規模言語モデルは,高度なジェイルブレイク技術を用いることなく,詐欺やサイバー犯罪の最小限の情報を提供することがわかった。
  論文  参考訳（メタデータ） (2026-02-25T12:01:38Z)
• Agents of Chaos [50.53354213047402]
  実験室環境に展開する自律言語モデルを用いたエージェントの探索的再チームの研究を報告する。 20人のAI研究者が、良心的および敵対的な条件下でエージェントと対話した。 我々の発見は、現実的なデプロイメント設定におけるセキュリティ、プライバシ、ガバナンスに関連する脆弱性の存在を確立します。
  論文  参考訳（メタデータ） (2026-02-23T16:28:48Z)
• Improving Cybercrime Detection and Digital Forensics Investigations with Artificial Intelligence [1.1666234644810893]
  サイバー犯罪分析とdfプロシージャがAIをどのように活用できるかを示す。 一方,サイバー犯罪者はこれらのシステムを用いて,スキルの向上,自動検出の回避,高度な攻撃技術の開発を行うことができる。
  論文  参考訳（メタデータ） (2025-10-16T12:53:36Z)
• Automated Classification of Cybercrime Complaints using Transformer-based Language Models for Hinglish Texts [3.548191850334861]
  本稿では,自動サイバー犯罪苦情分類のための枠組みを提案する。 我々は,CyberGuard AI Hackathon 2024において,Indian Cybercrime Coordination Centre(I4C)が提供する実世界のデータセットを採用している。 HingRoBERTaの精度は74.41%、F1スコアは71.49%である。 この作業は、サイバー犯罪の苦情管理における重要なギャップを埋め、現代的なサイバーセキュリティの課題に対して、スケーラブルでプライバシを重視し、適応可能なソリューションを提供する。
  論文  参考訳（メタデータ） (2024-12-21T13:17:09Z)
• Graph Mining for Cybersecurity: A Survey [61.505995908021525]
  マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。 従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。 グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
  論文  参考訳（メタデータ） (2023-04-02T08:43:03Z)
• Proceedings of the Artificial Intelligence for Cyber Security (AICS) Workshop at AAAI 2022 [55.573187938617636]
  ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。 サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
  論文  参考訳（メタデータ） (2022-02-28T18:27:41Z)
• A System for Efficiently Hunting for Cyber Threats in Computer Systems Using Threat Intelligence [78.23170229258162]
  ThreatRaptorは、OSCTIを使用してコンピュータシステムにおけるサイバー脅威ハンティングを容易にするシステムです。 ThreatRaptorは、(1)構造化OSCTIテキストから構造化された脅威行動を抽出する非監視で軽量で正確なNLPパイプライン、(2)簡潔で表現力のあるドメイン固有クエリ言語であるTBQLを提供し、悪意のあるシステムアクティビティを探し、(3)抽出された脅威行動からTBQLクエリを自動的に合成するクエリ合成メカニズムを提供する。
  論文  参考訳（メタデータ） (2021-01-17T19:44:09Z)

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。