論文の概要: The Promise of Strategic Agentic Scambaiting

• arxiv url: http://arxiv.org/abs/2611.08170v1
• Date: Thu, 05 Nov 2026 15:28:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.562911
• Title: The Promise of Strategic Agentic Scambaiting
• Title（参考訳）: 戦略的エージェント詐欺の約束
• Abstract要約: 本稿では,攻撃者と防御者の両方が利用可能な戦略決定空間を捕捉するエージェント・エージェント間不正行為の形式モデルを提案する。 ベイティング・エージェントの頻度が一定の閾値を超えると、スカーマーの収益性はマイナスになる。
• 参考スコア（独自算出の注目度）: 3.588453140011797
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scammers have increasingly adopted AI-driven capabilities, evolving from automated message generation to fully agentic conversational systems that scale operations and maximize the exploitation of fraudulent resources before detection and takedown. In parallel, agentic scambaiting has emerged as a defensive approach in which autonomous agents impersonate potential victims and engage scammers in sustained interactions to extract actionable threat intelligence, such as mule bank accounts and cryptocurrency wallet addresses, that can be reported to disrupt fraudulent infrastructures. Together, these developments transform online fraud into an adversarial socio-technical ecosystem in which autonomous scamming and scambaiting agents engage in deceptive interactions while competing over the discovery, preservation, and exploitation of one another's resources. A fundamental and largely unexplored question is how defensive scambaiting can remain effective in an agent-to-agent environment, and under what conditions either side gains a strategic advantage. In this paper, we present a formal model of agent-to-agent fraud interactions that captures the strategic decision spaces available to both attackers and defenders. Using this framework, we analyze the dynamics of engagement, resource consumption, belief adaptation, and disruption outcomes. We find that scammer profitability turns negative once baiting-agent prevalence exceeds certain thresholds, and that when both sides improve at the same pace, defender investment in mimicry quality outpaces equivalent gains in scammer detection capability, so the arms race favors the defender under our baseline parameters. Our model and findings provide insights into the stability, scalability, and long-term effectiveness of autonomous defensive agents in an evolving AI-mediated fraud landscape.
• Abstract（参考訳）: 自動化メッセージ生成から、オペレーションをスケールし、検出と削除の前に不正なリソースの活用を最大化する完全にエージェント的な会話システムへと進化する。 同時に、エージェントによる詐欺行為は、不正なインフラを破壊すると報告される不正な銀行口座や暗号通貨のウォレット・アドレスなどの脅威情報を抽出するために、自律的なエージェントが潜在的な犠牲者を偽装し、持続的な相互作用で詐欺行為を行う防衛的アプローチとして浮上している。 これらの発展と共に、オンライン詐欺は、相互の資源の発見、保存、利用をめぐって競い合いながら、自律的な詐欺や詐欺行為のエージェントが詐欺行為を行う、敵対的な社会技術エコシステムへと変貌する。 基本的な、そしてほとんど探索されていない疑問は、防犯スキャバイティングがエージェント・ツー・エージェント環境でどのように有効であり、どちらの条件下でも戦略上の優位性を得るかである。 本稿では,攻撃者と防御者の両方が利用可能な戦略決定空間を捕捉するエージェント・エージェント間不正行為の形式モデルを提案する。 このフレームワークを用いて、エンゲージメント、リソース消費、信念適応、破壊結果のダイナミクスを分析する。 両陣営が同じペースで改善すると、模倣品質に対するディフェンダー投資が詐欺検出能力の同等の利益を上回り、武器レースはベースラインパラメータの下でディフェンダーを優先する。 我々のモデルと知見は、AIを介する不正な環境の進化において、自律防御エージェントの安定性、スケーラビリティ、長期的有効性に関する洞察を提供する。

関連論文リスト

• The Web Doesn't Sit Still: Adversarial Self-Evolving Attacks on Search Agents [67.37517289323237]
  大規模言語モデル(LLM)は、複雑な情報検索タスクに対処するための検索エージェントの強化を約束している。 既存の攻撃戦略は、必然的に静的および人為的なテンプレートに依存している。 本稿では,攻撃者の戦略の進化と防御者の適応的緩和を両レベルに最適化する対戦型自己進化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-11-02T11:06:25Z)
• Poisoning Agentic Alpha: Adversarial Vulnerabilities Across Roles and Architectures in Multi-Agent Trading Systems [103.90831279037094]
  LLMベースのマルチエージェントトレーディングシステムは、研究プロトタイプから実際の資産を管理するライブデプロイメントへと急速に移行している。 破損した信号は最終決定に伝播し、実現された財政損失に変換される。 本稿では,金融分野において,敵対的信号がマルチエージェント取引システムにどのように入るのかを特徴付ける最初の体系的実証的研究について述べる。
  論文  参考訳（メタデータ） (2026-08-25T05:07:37Z)
• Adversarial Attacks for Good: A Survey of Proactive Protection across the Visual Content Lifecycle [65.6642776933861]
  この介入点付近で成長した保護パラダイムについて検討する。 ほとんどの保護は、主に静的あるいは弱い適応的な敵に対して検証されている。 我々は、堅牢で構成可能で、デプロイ可能な所有者側の保護のために、クロスステージ対策とオープンな問題を統合することで、閉鎖する。
  論文  参考訳（メタデータ） (2026-08-05T00:46:50Z)
• Breaking the Secret: Economic Interventions for Combating Collusion in Embodied Multi-Agent Systems [22.697901881084068]
  自律エージェント間の衝突は、エンボディ化されたマルチエージェントシステムにおいて重要なセキュリティ脅威となる。 本稿では,エージェントの報酬構造を変えることで,共謀を緩和するインセンティブ的介入手法を提案する。 実験結果から,本手法はシステム効率を保ちながら,欠陥の誘発による癒着を効果的に抑制できることが示唆された。
  論文  参考訳（メタデータ） (2026-04-26T03:13:47Z)
• Don't Trust Stubborn Neighbors: A Security Framework for Agentic Networks [32.791374704820925]
  悪意または妥協されたエージェントは、誤った情報を伝達し、集合的な結果を操作するために通信チャネルを利用することができる。 本研究では,社会科学からFriedkin-Johnsen意見形成モデルを借りて,このような操作がいかに広まるかを検討する。 本稿では,エージェント間の信頼を動的に調整し,敵の影響力を抑えることによって脅威を軽減する新しいメカニズムを提案する。
  論文  参考訳（メタデータ） (2026-03-16T18:41:21Z)
• DrunkAgent: Stealthy Memory Corruption in LLM-Powered Recommender Agents [31.542621203252295]
  大規模言語モデル (LLM) を利用したエージェントは、リコメンデータシステム (RS) でますます使われている。 本稿では,LSMを用いたリコメンデータエージェントにおけるメモリベースの脆弱性について,初めて体系的に検討する。 我々はDrunkAgentという新しいブラックボックス攻撃フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-31T07:35:40Z)
• EmoDebt: Bayesian-Optimized Emotional Intelligence for Strategic Agent-to-Agent Debt Recovery [65.30120701878582]
  大規模言語モデル(LLM)エージェントは、負債収集のような感情に敏感なドメインの悪用に対して脆弱である。 EmoDebtは、ネゴシエーションにおける感情を表現するモデルの能力を、シーケンシャルな意思決定問題として再設計する感情インテリジェンスエンジンである。 EmoDebtは重要な戦略的堅牢性を実現し、非適応性と感情に依存しないベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-03-27T01:41:34Z)
• Real AI Agents with Fake Memories: Fatal Context Manipulation Attacks on Web3 Agents [36.49717045080722]
  本稿では,ブロックチェーンベースの金融エコシステムにおけるAIエージェントの脆弱性を,現実のシナリオにおける敵対的脅威に曝露した場合に検討する。 保護されていないコンテキストサーフェスを利用する包括的攻撃ベクトルであるコンテキスト操作の概念を導入する。 ElizaOSを使用することで、不正なインジェクションをプロンプトや履歴レコードに注入することで、不正なアセット転送やプロトコル違反が引き起こされることを示す。
  論文  参考訳（メタデータ） (2025-03-20T15:44:31Z)
• Adversarial Attacks On Multi-Agent Communication [80.4392160849506]
  現代の自律システムはすぐに大規模に展開され、協調型マルチエージェントシステムの可能性を広げる。 このような利点は、セキュリティ侵害に対して脆弱であることが示されている通信チャネルに大きく依存している。 本稿では,エージェントが学習した中間表現を共有してコミュニケーションする新しいマルチエージェント環境において,このような攻撃を探索する。
  論文  参考訳（メタデータ） (2021-01-17T00:35:26Z)

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。