Feb, 2024

ScamSpot: 在Instagram评论中打击金融欺诈

HTML
PDF
TL;DR为了解决Instagram金融行业页面评论区垃圾信息和欺诈信息长期存在的问题，本研究提出了ScamSpot系统，该系统通过浏览器扩展、经过微调的BERT模型和REST API的综合应用，旨在为使用Chrome浏览器的Instagram用户提供我们的研究成果，同时进行了数据标注研究，并通过用户反馈和与现有模型的对比进行了系统评估。ScamSpot是一个开源项目，公开可用于此https URL。
发现论文，激发创造
  • 使用对抗视角的 fBox 技术识别可疑链接行为

    本文讨论了如何检测大型在线网络中的可疑用户及其潜在的商业利用，提出了一种对抗性算法fBox，旨在捕捉目前基于谱分析方法检测不到的小规模袭击。该算法通过理论分析和实验验证具有高准确性和可扩展性，在Twitter上的实际数据上取得了良好的表现，可以用于检测持久存在的可疑账户。

    Oct, 2014

  • 名声出售：高效检测假 Twitter 跟随者

    通过构建Twitter真实与虚假跟随者的基准数据集，本文训练了一组基于机器学习的分类器，证明了部分学术界提出的用于垃圾邮件检测的特征表现良好，建立了一个新的“Class A”分类器，能够正确分类超过95%的账户，并进行了灵敏度分析。

    Sep, 2015

  • 链接欺诈的多种表现

    本文探讨了社交网络链接欺诈检测中的多样性和特征，提供了强有效的基于熵的特征工程，对Twitter数据的地面真实性能表现达到了超过0.95的精确度和召回率。

    Apr, 2017

  • 社交网络中的自动化假新闻检测

    该论文介绍了两种基于逻辑回归和布尔众包算法的分类技术，使用用户“like”信息对Facebook帖子进行分类，能够高准确地区分谣言和非谣言，这些结果表明，信息传播模式的映射可以是自动虚假消息检测系统的有用组成部分。

    Apr, 2017

  • 自我管理的Instagram页面：用于吸引人类的社交陷阱

    介绍了一种用于吸引兴趣爱好不同的在线社交网络用户的新颖概念——社交蜜罐，并提出了基于全自动化内容生成策略和参与计划的框架来模拟Instagram页面，通过统计分析有效的社交蜜罐的特征。

    Mar, 2023

  • 从聊天机器人到网络钓鱼机器人？—— 阻止使用ChatGPT、谷歌巴德和克劳德创建的网络钓鱼诈骗

    利用大型语言模型进行自动化检测，发现现有的大型语言模型可以生成可信地伪造知名品牌的网络钓鱼邮件和网站，并且可以使用未修改的版本进行此类攻击。为了应对这一问题，建立了一个基于BERT的自动检测工具，可以在早期检测到恶意提示，以防止大型语言模型生成网络钓鱼内容，对于网络钓鱼网站提示可以达到97%的准确率，对于网络钓鱼邮件提示可以达到94%的准确率。

    Oct, 2023

  • 一种改进的基于Transformer模型的钓鱼、垃圾邮件和非垃圾邮件识别方法：大型语言模型方法

    利用基于BERT模型的IPSDM模型，本文首次尝试将大型语言模型应用于检测钓鱼邮件和垃圾邮件，取得了更好的分类效果，并为改善信息系统安全迈出重要的第一步。

    Nov, 2023

  • InstaSynth：利用ChatGPT生成合成Instagram数据的机遇与挑战，用于赞助内容检测

    通过使用大型语言模型生成合成数据，研究了其在帮助执行与在线赞助内容披露相关的法律要求方面的潜力。通过评估生成的合成标题的真实性和对未公开广告的识别训练效果，发现真实性和实用性目标之间可能存在冲突，并且即使合成帖子在个体上看起来逼真，它们在整体上缺乏多样性、主题连贯性和真实的用户互动模式。

    Mar, 2024

  • 大型语言模型惊人准确地识别钓鱼邮件：性能比较分析

    本研究分析了15个大型语言模型（LLMs）在检测网络钓鱼邮件方面的效果，重点关注“419诈骗”邮件。实验证明ChatGPT 3.5、GPT-3.5-Turbo-Instruct和ChatGPT是最有效的钓鱼邮件检测模型。

    Apr, 2024

  • 基于人工智能模型的在线欺诈检测与分析应用

    本研究针对在线欺诈检测与分析中缺乏深入研究的问题，采用系统文献综述方法，评估了现有的人工智能和自然语言处理技术。研究发现，现有研究对不同欺诈活动的划分不够通用，且模型的有效性受到数据过时和偏差的影响，因此需要开发针对特定欺诈类型的多种模型，以增强对在线欺诈的理解和防范。

    Sep, 2024