論文の概要: Detecting LLM-Assisted Vietnamese Writing via Keystrokes under Behavioral Manipulation

• arxiv url: http://arxiv.org/abs/2610.07700v1
• Date: Tue, 06 Oct 2026 03:45:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.789446
• Title: Detecting LLM-Assisted Vietnamese Writing via Keystrokes under Behavioral Manipulation
• Title（参考訳）: 行動操作下でのキーストロークによるLLM支援ベトナム文字の検出
• Abstract要約: 大規模言語モデル (LLM) を用いた筆跡検出のためのキーストローク力学のロバスト性について検討する。 ベトナムのキーストローク・データセットでは、ボナ・フィドの合成、転写、パラフレージングなど、現実的な書き込みモードをキャプチャする。 脅威モデルを実装するために、キーストロークに基づく検出を回避するために設計されたデータの振る舞い操作の変種を作成する。
• 参考スコア（独自算出の注目度）: 1.9347802034271933
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We study the robustness of keystroke dynamics for detecting large language model (LLM)-assisted writing. We introduce a Vietnamese keystroke dataset capturing realistic writing modes, including bona fide composition, transcription, and paraphrasing. We also define a behaviorally grounded threat model in which users deliberately alter typing patterns. To implement the threat model, we create behaviorally manipulated variants of the data designed to evade keystroke-based detection. We evaluate four keystroke modeling approaches: temporal and rhythmic representations, and sequential representations modeled with a one-dimensional convolutional neural network (1D-CNN) and TypeNet, under user-independent and context-independent settings. The results show that sequential models outperform feature-based approaches in most cases and that keystroke signals encode discriminative information about the writing process. However, detection is not uniformly robust: transcription is reliably identified, while paraphrasing and adversarially manipulated samples are frequently misclassified as bona fide when not explicitly modeled. To address this, we incorporate adversarial training using behaviorally manipulated data, which substantially improves separability and robustness. These results suggest that keystroke-based detection depends critically on exposure to diverse writing behaviors, and that strong performance under limited conditions does not generalize to realistic or adversarial settings without targeted modeling.
• Abstract（参考訳）: 大規模言語モデル (LLM) を用いた筆跡検出のためのキーストローク力学のロバスト性について検討する。 ベトナムのキーストローク・データセットでは、ボナ・フィドの合成、転写、パラフレージングなど、現実的な書き込みモードをキャプチャする。 また,ユーザが意図的にタイピングパターンを変更できる行動基盤型脅威モデルも定義する。 脅威モデルを実装するために、キーストロークに基づく検出を回避するために設計されたデータの振る舞い操作の変種を作成する。 我々は,1次元畳み込みニューラルネットワーク(1D-CNN)とTypeNetでモデル化された時間的およびリズム的表現とシーケンシャル表現の4つのキーストロークモデリング手法を,ユーザ非依存およびコンテキスト非依存の設定下で評価した。 その結果、ほとんどの場合、シーケンシャルモデルは特徴に基づくアプローチよりも優れており、キーストローク信号は書き込みプロセスに関する識別情報を符号化していることがわかった。 しかし、検出は均一に堅牢ではない:転写は確実に同定されるが、パラフレーズ化や逆行操作されたサンプルは、明示的にモデル化されていない場合、しばしばボナフィドと誤分類される。 これを解決するために,動作操作データを用いた対人訓練を取り入れ,分離性と堅牢性を大幅に向上させる。 以上の結果から,キーストロークに基づく検出は多様な筆記行動への曝露に大きく依存し,限られた条件下での強い性能は,ターゲットモデリングなしでは現実的あるいは敵対的な設定に一般化されないことが示唆された。

関連論文リスト

• A Prototypical Signature Approach for Writer-Independent Offline Signature Verification [6.396522606507045]
  オフラインシグネチャ検証は、静的イメージを使用して偽シグネチャと真のシグネチャを区別することを目的としている。 負のサンプルは通常、トレーニングデータを作成するために、他のユーザの真の署名からランダムに描画される。 原型シグネチャを用いた多種多様な情報的負のサンプルを生成するためのデータ駆動型戦略を提案する。
  論文  参考訳（メタデータ） (2026-06-16T22:48:44Z)
• QUACK! Making the (Rubber) Ducky Talk: A Systematic Study of Keystroke Dynamics for HID Injection Detection [60.105690843777666]
  我々は、タイミング機能のみで動作する軽量モデルを使用して、堅牢でプライバシー保護の検知が達成可能であることを示す。 分析の結果,攻撃者の高度化は単調に回避を改善できないことが明らかとなった。
  論文  参考訳（メタデータ） (2026-04-17T08:53:24Z)
• A Review of Several Keystroke Dynamics Methods [0.0]
  キーストロークダイナミクス(Keystroke dynamics)は、個人による認証およびセキュリティアプリケーションのためのタイピングパターンをキャプチャする行動バイオメトリックである。 本稿では,Gaussian Mixture Models (GMM), Mahalanobis Distance-based Classification, Gunetti Picardi's Distance Metricsを用いたキーストローク認証モデルの比較分析を行った。
  論文  参考訳（メタデータ） (2025-02-22T10:45:44Z)
• Fishing for Magikarp: Automatically Detecting Under-trained Tokens in Large Language Models [4.165536532090932]
  言語モデルにおけるトークン作成とモデルトレーニングの切り離しにより、悪名高いSolidGoldMagikarpトークンのような特定の入力が不要なモデル動作を引き起こす。 本稿では,大規模言語モデルトークン化器の包括的解析,特に未学習トークンの検出を対象とする。 そこで我々は,トークン分析,モデルウェイトベースインジケータ,およびプロンプト技術の組み合わせにより,これらの問題のあるトークンを自動的に検出する新規かつ効果的な手法を開発した。
  論文  参考訳（メタデータ） (2024-05-08T20:37:56Z)
• FLIP: Fine-grained Alignment between ID-based Models and Pretrained Language Models for CTR Prediction [49.510163437116645]
  クリックスルーレート(CTR)予測は、パーソナライズされたオンラインサービスにおいてコア機能モジュールとして機能する。 CTR予測のための従来のIDベースのモデルは、表形式の1ホットエンコードされたID特徴を入力として取る。 事前訓練された言語モデル(PLM)は、テキストのモダリティの文を入力として取る別のパラダイムを生み出した。 本稿では,CTR予測のためのIDベースモデルと事前学習言語モデル(FLIP)間の細粒度特徴レベルのアライメントを提案する。
  論文  参考訳（メタデータ） (2023-10-30T11:25:03Z)
• Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
  入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。 また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。 我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
  論文  参考訳（メタデータ） (2023-03-14T16:11:47Z)
• Differentiable Language Model Adversarial Attacks on Categorical Sequence Classifiers [0.0]
  敵対的攻撃パラダイムは、ディープラーニングモデルの脆弱性の様々なシナリオを探索する。 本研究では,言語モデルの微調整を,敵対的攻撃のジェネレータとして利用する。 我々のモデルは、銀行取引、電子健康記録、NLPデータセットに関する多様なデータセットに対して機能する。
  論文  参考訳（メタデータ） (2020-06-19T11:25:36Z)
• Improve Variational Autoencoder for Text Generationwith Discrete Latent Bottleneck [52.08901549360262]
  変分オートエンコーダ(VAE)は、エンドツーエンドの表現学習において必須のツールである。 VAEは強い自己回帰デコーダで潜伏変数を無視する傾向がある。 よりコンパクトな潜在空間において暗黙的な潜在特徴マッチングを強制する原理的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-22T14:41:37Z)

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。