SEAR：用于分析 AR-LLM 驱动的社交工程行为的多模态数据集
人工智能
2025-06-02 v1
摘要
SEAR 数据集是一个新颖的多模态资源，旨在研究通过增强现实（AR）和多模态大语言模型（LLM）协同策划的社交工程（SE）攻击这一新兴威胁。该数据集在模拟的对抗性场景（包括会议、课程和社交活动）中，采集了 60 名参与者的 180 段标注对话。它包含同步的 AR 采集视觉/音频线索（如面部表情、声调）、环境上下文以及精选的社交媒体档案，还有信任评级和易感性评估等主观指标。关键发现揭示了 SEAR 在诱导顺从（如 93.3% 的钓鱼链接点击率，85% 的通话接听率）和劫持信任（交互后信任度激增 76.7%）方面令人警惕的有效性。该数据集支持检测 AR 驱动的 SE 攻击、设计防御框架以及理解多模态对抗性操纵等方面的研究。严格的伦理保障措施（包括匿名化和遵守 IRB）确保了其负责任的使用。SEAR 数据集可在 https://github.com/INSLabCN/SEAR-Dataset 获取。
引用
@article{arxiv.2505.24458,
title = {SEAR: A Multimodal Dataset for Analyzing AR-LLM-Driven Social Engineering Behaviors},
author = {Tianlong Yu and Chenghang Ye and Zheyu Yang and Ziyi Zhou and Cui Tang and Zui Tao and Jun Zhang and Kailong Wang and Liting Zhou and Yang Yang and Ting Bi},
journal= {arXiv preprint arXiv:2505.24458},
year = {2025}
}