論文の概要: ReDence: A Hybrid Agentic and Decision-Model Framework for Rapid, Evidence-Grounded Detection of Modern Social Engineering Scams

• arxiv url: http://arxiv.org/abs/2610.30963v1
• Date: Thu, 22 Oct 2026 09:08:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.298026
• Title: ReDence: A Hybrid Agentic and Decision-Model Framework for Rapid, Evidence-Grounded Detection of Modern Social Engineering Scams
• Title（参考訳）: Redence: 最新のソーシャルエンジニアリングカメラの迅速かつエビデンス中心検出のためのハイブリッドエージェントと決定モデルフレームワーク
• Abstract要約: ReDenceは、様々なSE詐欺カテゴリにまたがる適応的、エビデンスに基づく検出のためのオープンソースのフレームワークである。 評価の結果、ReDenceは12のSE詐欺カテゴリにわたる詐欺を96%の精度で検出できることがわかった。
• 参考スコア（独自算出の注目度）: 1.411614392022118
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting online social engineering (SE) scams often requires examining website workflows, verifying claims against external sources, and connecting evidence across multiple pages. Existing detectors provide limited support for these investigations, leaving analysts to manually gather and validate evidence, which inevitably delays detection and subsequent takedown of these attacks. To address this gap, we present ReDence, an open-source hybrid framework for adaptive, evidence-grounded detection across diverse SE scam categories. ReDence combines two locally hosted models with complementary responsibilities: a fine-tuned multimodal agentic Investigator (Qwen3.5-4B) that performs investigative planning, evidence interpretation, and reporting, and a specialized Decider (Tev1) that handles binary and multiple-choice tasks, including browser-action selection, evidence assessment, and decisions about whether to continue an investigation. By delegating discrete decisions to a specialized model, ReDence reduces reliance on lengthy language-model responses, while preserving the reasoning capabilities required for complex investigations. Our evaluation demonstrates that ReDence achieves 96\% accuracy in detecting scams across twelve SE scam categories, substantially outperforming existing detectors while being at least four times faster than comparable agentic models without compromising investigative depth. ReDence also produces structured, evidence-grounded reports that document investigative actions, supporting and contradictory evidence, and collected artifacts, which allow analysts to independently audit detection decisions and utilize the collected evidence to support subsequent mitigation and takedown efforts.
• Abstract（参考訳）: オンラインソーシャルエンジニアリング(SE)詐欺の検出には、ウェブサイトのワークフローを調べ、外部ソースに対するクレームを検証し、複数のページをまたいだエビデンスを接続する必要があることが多い。 既存の検出器はこれらの調査を限定的に支援し、アナリストは手動で証拠を収集し検証し、検出とその後の攻撃の中止を必然的に遅らせる。 このギャップに対処するために、さまざまなSE詐欺カテゴリにまたがる適応的でエビデンスに基づく検出のためのオープンソースのハイブリッドフレームワークであるReDenceを紹介します。 ReDenceは2つのローカルにホストされたモデルと補完的な責任を兼ね備えている: 細調整されたマルチモーダルエージェント調査者(Qwen3.5-4B)は調査計画、エビデンス解釈、報告を行う。 離散的な決定を専門的なモデルに委譲することで、ReDenceは複雑な調査に必要な推論能力を保ちながら、長い言語モデル応答への依存を減らすことができる。 評価の結果、ReDenceは12のSE詐欺カテゴリにわたる詐欺を96%の精度で検出し、既存の検出器よりもかなり優れており、調査深度を損なうことなく、比較対象のエージェントモデルよりも少なくとも4倍高速であることがわかった。 Redenceはまた、調査行動の文書化、証拠の裏付け、矛盾する証拠の収集、そして分析者が独立して検出決定を監査し、収集された証拠を利用してその後の緩和と削除の努力を支援することができる構造化された根拠に基づくレポートも作成している。

関連論文リスト

• JevGPT: Thinking Fast and Slow in Autonomous Research [35.33890809786605]
  本稿では,自律型研究のための二重システムアーキテクチャであるJevGPTを紹介する。 システム2はエビデンス目標を設定し、結果を統合し、システム1はサポートを特定し、関連性を評価し、さらなる検査を案内する。 実験の結果,JevGPTは効率のよい研究エージェントよりも高速で,低コストで作業性能を向上できることがわかった。
  論文  参考訳（メタデータ） (2026-10-13T12:29:13Z)
• Evidence-Grounded Forensic Reasoning for Detecting and Grounding Multi-Modal Media Manipulation [23.254574194880234]
  フェイクニュースはますます、モーダルな画像テキスト偽造に頼っている。 既存の手法では、決定的根拠のないブラックボックス検出結果を生成する。 本稿では,Evidence-Grounded Forensic Reasoningフレームワークに基づくマルチモーダル検出手法を提案する。
  論文  参考訳（メタデータ） (2026-08-08T08:41:26Z)
• Diagnosing Search Behavior and Failure Modes in Long-Horizon Search Agents [63.2133766267587]
  ディープサーチエージェントは、証拠収集のために検索クエリを反復的に発行することで、難解な情報検索質問に答える。 本研究では,長軸探索エージェントの軌跡レベル診断を用いてこれらの質問について検討する。 我々は,各探索ステップで得られた証拠を評価し,エージェントの行動の2つの段階を分離する。
  論文  参考訳（メタデータ） (2026-08-03T08:46:48Z)
• R$^2$-Searcher: Calibrating Retrieval and Reasoning Boundaries for Agentic Search [59.034878430183305]
  R$2$-Searcherは、検索と推論の境界を明示的に探索し、校正する。 R$2$-Searcherは,解答精度と検索品質において,最先端のエージェント検索法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-06-26T19:44:34Z)
• AgentV-RL: Scaling Reward Modeling with Agentic Verifier [63.55502685076245]
  試験時間スケーリング(TTS)によるLCM推論を強化する検証器が実証されている。 本稿では,報酬モデリングを多ターンツール拡張型検討プロセスに変換するフレームワークであるエージェント検証を提案する。 Agentic Verifier は並列およびシーケンシャルTS の両方で一貫した性能向上が得られることを示す。
  論文  参考訳（メタデータ） (2026-04-17T12:27:36Z)
• 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)
• Demystifying deep search: a holistic evaluation with hint-free multi-hop questions and factorised metrics [89.1999907891494]
  We present WebDetective, a benchmark of hint-free multi-hop questions with a control Wikipedia sandbox。 25の最先端モデルに対する我々の評価は、すべてのアーキテクチャにまたがる体系的な弱点を明らかにしている。 私たちはエージェントワークフローであるEvidenceLoopを開発し、ベンチマークが特定する課題を明示的にターゲットしています。
  論文  参考訳（メタデータ） (2025-10-01T07:59:03Z)
• Deepfake Detection: A Comprehensive Survey from the Reliability Perspective [20.873480187150804]
  キノコ入りのDeepfake合成材料がインターネット上に流通し、政治家、有名人、そして世界中の個人に深刻な社会的影響を与えている。 現在のDeepfake検出領域では、トランスファービリティ、解釈可能性、堅牢性という、信頼性を重視した3つの研究課題を識別する。
  論文  参考訳（メタデータ） (2022-11-20T06:31:23Z)

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。