情感感知的点击诱导攻击于社交媒体
计算与语言
2026-05-01 v1 社会与信息网络
摘要
点击诱导内容以其相对于信息内容的高情感强度为特征，常通过特定的结构模式得到强化。然而，现有研究将点击诱导内容视为由语言模式和结构线索 characterize 的静态文本现象。此外，现有的检测系统主要依赖点击诱导内容的表层特征。本文引入一种情感感知的点击诱导生成攻击，通过风格化转换来优化情感影响。我们提出基于 Valence-Arousal-Dominance (VAD) 空间的情感感知框架，用于建模点击诱导生成的情感动力学，以实现最佳用户参与度。为模拟现实攻击场景，我们使用 Sentence-BERT 将点击诱导标题与语义相似的社交媒体帖子对齐，并通过大型语言模型 (LLM) 生成多个风格化重写。基于此，我们定义一种好奇奇偶 (CG) 函数，用于计算点击诱导标题相对于当前帖子的变化，以量化情感激活如何为用户好奇心贡献并规避社交媒体上发现的现有系统。实验结果表明，情感感知的风格化显著降低了最先进分类器的性能，在基线系统上导致误分类率提高至 2.58%至 30.63%。
引用
@article{arxiv.2604.27369,
title = {Emotion-Aware Clickbait Attack in Social Media},
author = {Syed Mhamudul Hasan and Mohd. Farhan Israk Soumik and Abdur R. Shahid},
journal= {arXiv preprint arXiv:2604.27369},
year = {2026}
}