面向可定制隐私保护的电话诈骗检测模块化自适应净化套件 (MASK)
密码学与安全
2025-10-22 v1 人工智能
人机交互
摘要
电话诈骗是一种威胁个人安全和财务安全的普遍性威胁.近期大型语言模型(LLM)的进展显示出通过分析转录电话对话检测欺诈行为的潜力.然而,这些能力引入了显著的隐私风险,因为此类对话常包含敏感个人信息,可能在处理过程中暴露给第三方服务提供商.本文探讨如何在保护用户隐私的前提下利用LLM进行电话诈骗检测.我们提出MASK(模块化自适应净化套件),一个可训练且可扩展的框架,支持基于个人偏好进行动态隐私调整.MASK提供插拔式架构,支持多种净化方法——从面向高隐私用户的传统关键词方法,到面向注重准确性的用户的高级神经方法.我们也讨论了潜在的建模方法和损失函数设计,以实现真正的、面向个人的、隐私感知的LLM检测系统,在保持用户信任和检测效果之间取得平衡,即便是在电话诈骗领域之外的其他场景.
引用
@article{arxiv.2510.18493,
title = {One Size Fits All? A Modular Adaptive Sanitization Kit (MASK) for Customizable Privacy-Preserving Phone Scam Detection},
author = {Kangzhong Wang and Zitong Shen and Youqian Zhang and Michael MK Cheung and Xiapu Luo and Grace Ngai and Eugene Yujun Fu},
journal= {arXiv preprint arXiv:2510.18493},
year = {2025}
}
备注
9 pages