Who Falls for SMiSh? Learning Through Survey Data Where to Best Target Awareness Training for Mobile Messaging Attacks
该论文聚焦于移动端短消息钓鱼攻击（SMiShing）的用户易感性研究。随着手机普及率激增，通过短信发送钓鱼链接的诈骗活动日益猖獗，然而关于哪些用户群体最容易受骗的数据却十分匮乏。既有针对电子邮件钓鱼的研究表明，受害风险可能与人口统计学因素及
#smishing
共收录 5 条相关情报。
← 返回所有主题Adversarial Robustness in Smishing Detection: A Comparative Analysis of Adversarial Fragility in Classical vs. Transformer-Based Detection Systems
本文针对短信钓鱼（smishing）检测系统的对抗鲁棒性进行了系统比较研究。当前多数检测模型在干净、单语文本上训练与评估，但在低资源场景下，攻击者常通过字符混淆、跨语言代码切换和结构扰动等方式规避检测。研究选取了五种模型架构：三种经典词法模
From "Be Careful" to "Here's Why": Investigating User Reasoning with Context-Specific SMS Scam Warnings.
该论文研究了上下文特定的短信诈骗警告如何影响用户的推理和决策。传统上，诈骗警告往往只是简单地提醒用户“小心”，而本研究探索了更详细的解释性警告（例如“这里是为什么这是诈骗”）是否能更有效地帮助用户识别和防范诈骗。作者通过用户实验，让参与者面
An Expanded Synthetic Conversation Dataset for Multi-Turn Smishing Detection
该论文聚焦于多轮短信诈骗（smishing）检测，针对此前工作中提出的合成对话数据集COVA（3,201条标注对话）的局限性进行了扩展。作者指出COVA存在数据污染、标签不匹配、阶段指示泄露以及提示设计缺陷等问题，导致Transformer
What Drives SMiShing Susceptibility? A U.S. Interview Study of How and Why Mobile Phone Users Judge Text Messages to be Real or Fake.
该论文针对移动短信钓鱼（SMiShing）攻击的用户易感性开展研究。作者通过在美国进行的半结构化访谈，探索手机用户如何判断文本信息的真伪，以及哪些因素影响其决策过程。研究发现，用户主要依赖内容线索（如拼写错误、链接域名）、上下文（如与已知联