结合语境判定与消息级分析的增强型网络诱骗检测
机器学习
2025-11-14 v1 计算与语言
摘要
网络诱骗(OG)是主要针对在线儿童的普遍威胁，诱骗者利用欺骗手段在社交媒体/消息传递平台上利用儿童的脆弱性。这些攻击可能造成严重的心理和生理影响，包括再次受害的倾向。当前的技术措施是不充分的，特别是端到端加密的出现阻碍了消息监控。现有的解决方案侧重于对儿童虐待媒体的签名分析，这无法有效解决实时OG检测问题。本文提出OG攻击是复杂的，需要识别成人与儿童之间的特定通信模式。该文引入了一种新颖的方法，利用BERT和RoBERTa等先进模型进行消息级分析，并采用语境判定方法对参与者互动进行分类，包括引入参与者显著性阈值和消息显著性阈值。所提出的方法通过考虑这些攻击的动态和多面性，旨在提高OG检测的准确性和鲁棒性。跨数据集实验评估了我们方法的鲁棒性和通用性。本文的贡献包括改进的检测方法以及在各种场景中应用的潜力，填补了当前文献和实践中的空白。
引用
@article{arxiv.2409.07958,
title = {Enhanced Online Grooming Detection Employing Context Determination and Message-Level Analysis},
author = {Jake Street and Isibor Ihianle and Funminiyi Olajide and Ahmad Lotfi},
journal= {arXiv preprint arXiv:2409.07958},
year = {2025}
}