本文研究了一个由志愿者组成的反欺诈社区——技术支援诈骗（Technical Support Scams, TSS）的“捉弄者”（scambaiters）群体如何对抗技术支持诈骗。作者采用严格的受试者筛选策略，对17名活跃参与TSS scambaiting活动的个体进行了深度访谈，以了解他们的动机、所对抗骗子的操作手法、有效scambaiting行动中未被记录的细节，以及scambaiters面临的各种挑战。分析发现，这一社区不仅对犯罪分子有深刻洞察，还拥有在针对同一人群的研究中往往缺失的技术与操作专长。同时，作者也指出了社区在哪些关键方面可以获得更好的支持与赋能。文章讨论了这些发现对未来研究和社区保护策略的启示。本研究属于计算社会科学（cs.CY）范畴，采用定性的访谈方法，核心贡献在于系统性地记录了scambaiting社区的隐性专业知识、实践技巧与协作模式，并为如何更有效地打击技术支持诈骗提供了来自一线志愿者的第一手视角。适合关注社会工程学防御、诈骗打击、网络安全教育以及人机交互中反欺诈机制的研究人员、安全从业者、政策制定者以及社区平台运营者阅读。

本文针对大型媒体平台（如 YouTube）上日益猖獗的评论诈骗（comment scams）进行了系统性的测量与特征化研究。随着 YouTube 等平台用户量激增，攻击者开始利用这些平台的海量受众实施社交工程攻击。尽管平台提供了让内容创作者管理评论的机制，评论诈骗依然泛滥。此类诈骗中，攻击者使用脚本控制的账号自动发布或回复评论，通过承诺免费奖品、投资机会等话术诱导用户联系他们，最终窃取联系者的金融资产。研究旨在揭示这类诈骗的运作模式、规模与特征，分析攻击者如何绕过平台的防护机制，并评估现有对策的有效性。核心方法包括大规模收集评论数据、识别诈骗模式、分析诈骗账号的行为特征、追踪其引导用户跳转的落地页及后续诈骗链路。主要贡献包括：提供了针对媒体平台评论诈骗的首次系统性测量；提出了自动检测评论诈骗的方法；揭示了诈骗团伙的基础设施与获利机制；并讨论了平台防御策略的改进方向。该研究适合平台安全团队、反欺诈工程师及研究社交工程攻击的学者阅读，以深入理解评论诈骗的生态系统并设计更好的防御措施。