要約
オンライン グルーミング (OG) は、オンラインで主に子供たちに直面している一般的な脅威であり、グルーマーは、ソーシャル メディア/メッセージング プラットフォーム上で子供たちの脆弱性を食い物にするために欺瞞的な方法を使用します。
これらの攻撃は、再被害を受ける傾向など、深刻な心理的および身体的影響を与える可能性があります。
現在の技術的対策は不十分で、特にエンドツーエンド暗号化の出現によりメッセージ監視が妨げられています。
既存のソリューションは児童虐待メディアのシグネチャ分析に焦点を当てており、リアルタイムの OG 検出には効果的に対処していません。
この論文は、OG 攻撃は複雑であり、大人と子供の間の特定のコミュニケーション パターンを特定する必要があると提案しています。
メッセージ レベル分析に BERT や RoBERTa などの高度なモデルを活用した新しいアプローチと、アクター重要度しきい値とメッセージ重要度しきい値の導入を含む、アクター インタラクションを分類するためのコンテキスト決定アプローチが導入されています。
提案手法は、これらの攻撃の動的かつ多面的な性質を考慮することで、OG 検出の精度と堅牢性を向上させることを目的としています。
データセット間の実験により、アプローチの堅牢性と多用途性が評価されます。
この論文の貢献には、検出方法の改善とさまざまなシナリオへの応用の可能性が含まれており、現在の文献と実践におけるギャップに対処します。
要約(オリジナル)
Online Grooming (OG) is a prevalent threat facing predominately children online, with groomers using deceptive methods to prey on the vulnerability of children on social media/messaging platforms. These attacks can have severe psychological and physical impacts, including a tendency towards revictimization. Current technical measures are inadequate, especially with the advent of end-to-end encryption which hampers message monitoring. Existing solutions focus on the signature analysis of child abuse media, which does not effectively address real-time OG detection. This paper proposes that OG attacks are complex, requiring the identification of specific communication patterns between adults and children. It introduces a novel approach leveraging advanced models such as BERT and RoBERTa for Message-Level Analysis and a Context Determination approach for classifying actor interactions, including the introduction of Actor Significance Thresholds and Message Significance Thresholds. The proposed method aims to enhance accuracy and robustness in detecting OG by considering the dynamic and multi-faceted nature of these attacks. Cross-dataset experiments evaluate the robustness and versatility of our approach. This paper’s contributions include improved detection methodologies and the potential for application in various scenarios, addressing gaps in current literature and practices.
arxiv情報
| 著者 | Jake Street,Isibor Ihianle,Funminiyi Olajide,Ahmad Lotfi |
| 発行日 | 2024-09-12 11:37:34+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google