論文の概要: Networked Synthetic Social Engineering on the Web

• arxiv url: http://arxiv.org/abs/2611.02407v1
• Date: Mon, 02 Nov 2026 02:28:55 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:07:54.107471
• Title: Networked Synthetic Social Engineering on the Web
• Title（参考訳）: Web上のネットワーク型ソーシャルエンジニアリング
• Abstract要約: いくつかの真のAIサービスは、1つのソースを繰り返すことができ、そのソースを修正すれば、後続のレポートは変更されない可能性がある。 合成社会工学(SSE)のネットワーク化による影響について検討する。 この枠組みは, 社会的影響, 情報集約, 誤情報訂正研究を, 観察可能な証拠と許可境界に結びつける。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Several genuine AI services may repeat one unsupported source, and correcting that source may leave later reports unchanged. We examine these networked consequences of synthetic social engineering (SSE), deliberately misleading influence intended to redirect AI recipients from authorized objectives. Our framework connects social influence, information aggregation, and misinformation correction research to observable evidence and permission boundaries. It separates originating attempts from legitimate intermediaries' work and distinguishes identity, evidentiary support, and authorization. We test four relationships using Qwen3-4B and two briefing tasks across 1,080 research units in our Agent Service Exchange and Evidence Commons (ASE-EC). Multiple dependent publishers produced no supported increase in unsupported verification (78.3% versus 75.0%); publication availability left downstream violation reach at 40.0% in both arms. These comparisons direct attention to weaknesses already present in the reference workflows. High reference error rates and retained private handoffs preclude claims of immunity to social pressure. Without scope revalidation, corrections identifying dependent reports reduced residual invalid decisions from 14.4% to 8.1% at equal notification coverage and increased successful report repairs from 16/63 to 36/63. Scope revalidation added no demonstrated protection, and clearing dialogue offered no established recovery advantage. Unapproved requests persisted, all blocked by an external gateway. For designers, the findings caution against treating publisher count as independent evidence, notification as repair, or cleared histories as recovery. They support targeting corrections at reused reports, assessing factual and permission recovery separately, and enforcing authorization at execution.
• Abstract（参考訳）: いくつかの真のAIサービスは、1つのサポート対象のソースを繰り返すことができ、そのソースを修正すれば、後続のレポートは変更されない可能性がある。 人工社会工学(SSE)によるこれらのネットワーク化された結果について検討し、AI受信者を認定対象からリダイレクトする意図的な影響を意図的に誤解させる。 この枠組みは, 社会的影響, 情報集約, 誤情報訂正研究を, 観察可能な証拠と許可境界に結びつける。 正統な仲介者の作業から試みを分離し、アイデンティティ、明白な支援、承認を区別する。 エージェントサービス交換とエビデンス・コモンズ(ASE-EC)において,Qwen3-4Bと1080の研究ユニット間の2つのブリーフィングタスクを用いて4つの関係を検証した。 複数の依存出版社は、サポートなしの検証がサポートされていない(78.3%対75.0%)。 これらの比較は、参照ワークフローにすでに存在する弱点に直接注意を向ける。 高い基準誤差率と私的な手引きは、社会的圧力に対する免疫の主張を妨げる。 範囲の再検証がなければ、依存するレポートを識別する修正によって、残余の無効な決定が14.4%から8.1%に減少し、報告の修復が16/63から36/63に増加した。 スコープの再検証では保護が示されず、対話のクリアは確立された回復の利点を示さなかった。 承認されていない要求は継続され、すべてが外部ゲートウェイによってブロックされた。 デザイナーにとって、出版元を独立した証拠として扱うこと、修理の通知として扱うこと、または修復の履歴をクリアすることへの注意が払われた。 彼らは、再利用されたレポートのターゲット修正、事実と許可の回復を別々に評価し、実行時の承認を強制する。

関連論文リスト

• Grounded Credit Assignment in Reinforcement Learning for Multi-Turn Search Agents [49.14597017870827]
  Search-R1は7つのQAベンチマークの正確性を高めるが、Bamboogleでは84.0%から42.9%となっている。 検索と回答を別々に行うために,グラウンドド・クレジット・アサインメント(GCA)を提案する。
  論文  参考訳（メタデータ） (2026-10-16T08:43:11Z)
• What Coding Agents Leave Unsaid: Measuring Task-State Gaps Between Execution and Reports [10.234017163579312]
  我々は,エージェントが蓄積したユーザ対応レポートと,その全記録された実行状況との間のタスク状態回復可能性のギャップを定量化する。 エージェントは要求に対するタスクステートの質問の93.6%に答え、フルコンテキストの読者は92.7%を回復し、レポートのみの読者は52.0%を回復し、40.7ポイントのギャップがある。 CTXGAPは、補完的な評価次元としてレポートベースのタスク状態回復性を確立する。
  論文  参考訳（メタデータ） (2026-10-14T11:20:15Z)
• REPORT-OPS: Hybrid Evidence-Guided Reporting with Human-Supervised Refinement for HPC [0.2799896314754614]
  Report-OPSは、要求を解釈し、証拠収集を計画し、可能な説明とドラフトレポートを評価するハイブリッドレポートエージェントである。 凍結HPC運用コーパスにおいて,50のシナリオから構築した68のサニタイズドレポーティングクエリに対するCASE-OPSの評価を行った。
  論文  参考訳（メタデータ） (2026-10-13T21:40:24Z)
• Phantom Merge: When Your Large Language Model Agents Pick One but Tell You About Another [16.151531550259993]
  Phantom Merge (PM) は、エージェントがコミットされたエンティティをアトリビュートするエンティティ-エビデンスバインディングの障害である。 本稿では,クレームレベルのリスク推定と修正のための2段階フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-12T04:01:45Z)
• Right Answers, Wrong States: Hidden Information Failures in Multi-Agent Collaboration [69.14904049421806]
  共同作業は、即時決定が正しい場合でも、腐敗した情報状態に置き去りにすることができる。 GPT、Gemini、Qwenモデル全体では、標準的なコラボレーションは、状態の信頼性よりもはるかに強力なタスクパフォーマンスを示している。 我々は、矛盾する証拠を解決し、共有された事実を検証し、信頼された国家を再構築するReGroundを紹介します。
  論文  参考訳（メタデータ） (2026-10-01T07:42:27Z)
• Agent Error Dataset: Scaling 50,000 Error--Diagnosis Pairs for Failure Analysis and Error-Aware Post-Training [45.727227890697556]
  我々は,9,961のソースタスクから50,228のエラー診断ペアからなるエージェントエラーデータセット(AED)を紹介した。 5段階のAgenic Error-to-Trainingパイプラインは自然の故障を収集し、診断と修正案を生成し、記録された証拠と照合する。 アクタートレーニングのレシピの比較において、アクションオンリーの修復トレーニングは成功オンリーのトレーニングよりもWebShop-liteの方が6.67ポイント高い。
  論文  参考訳（メタデータ） (2026-09-30T16:40:22Z)
• APTInvestBench: Evaluating Autonomous APT Investigation under Varying Telemetry [13.609670317095196]
  大規模言語モデル(LLM)エージェントは、セキュリティオペレーションセンター(SOC)が高度な永続的脅威(APT)を調べるのに役立つ。 しかし、1つのテレメトリ設定での成功は、ログ収集、保持、サンプリングの変更に対する堅牢性を確立しない。 APTInvestBenchは、自律型APT調査におけるクロステレメトリの堅牢性を評価するためのベンチマークである。
  論文  参考訳（メタデータ） (2026-09-30T04:21:45Z)
• Independent Patch Verification for Coding Agents with a Bidirectional Reconstruct-and-Verify Framework [49.16055123488827]
  大規模言語モデルを利用したコーディングエージェントは、バグレポートから直接コードパッチを生成することができる。 報告された問題を真に解決するかどうかを独立に検証するメカニズムは存在しない。 本稿では,RETRACE をトレーニング不要なポストジェネレーション検証フレームワークとして提案する。
  論文  参考訳（メタデータ） (2026-08-09T22:59:13Z)
• From Trajectories to Evidence: Auditable Experimental Records for Industrial Research Agents [47.678562263387214]
  研究エージェントは、産業レコメンデーション設定において、多段階の機械学習実験をますます実施している。 生成されたアーティファクトは、サポートされないか、不完全かもしれないし、実行されたラウンドは無効かもしれないし、あるいは廃止されるかもしれないし、後の修正は、以前の発見を曖昧にするかもしれない。 本稿では,連続的アーティファクトのバウンダリ検証と実行後のクレーム資格を結合するエビデンス・グラウンド・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-05T13:37:38Z)

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。