量化网络认知攻击的参与度效果：面向虚假信息活动的行为指标
计算与语言
2025-10-20 v1
摘要
随着以虚假信息为导向的认知攻击变得越来越复杂，量化其影响的能力对于推进网络安全防御策略至关重要。本文提出了一种新的框架，用于衡量认知攻击的参与度效果，通过引入一种加权交互指标，该指标考虑了用户参与度的类型和数量相对于攻击者生成的传输次数。将该模型应用于社交媒体平台上的真实虚假信息活动，我们展示了该指标如何捕捉不仅仅是覆盖范围，更是用户参与度的行为深度。我们的发现为理解认知战的行为动态提供了新的见解，为寻求评估和对抗网络上恶意影响扩散的研究者和实践者提供了可操作的工具。
引用
@article{arxiv.2510.15804,
title = {Emergence of Linear Truth Encodings in Language Models},
author = {Shauli Ravfogel and Gilad Yehudai and Tal Linzen and Joan Bruna and Alberto Bietti},
journal= {arXiv preprint arXiv:2510.15804},
year = {2025}
}
备注
Accepted in Neurips 2025