When Privacy Becomes a Weapon: Understanding Doxxing and Privacy Vulnerabilities in Mainland China's Social Media Ecosystem
本论文聚焦“人肉搜索”（doxxing，即恶意公开他人个人信息）这一日益普遍的隐私威胁，指出既有研究高度以西方语境为中心，难以解释在强制实名体系、平台治理机制与本土文化逻辑共同作用下，隐私风险与伤害路径如何被根本性重塑。为填补这一空白，作者
#social-media
共收录 17 条相关情报。
← 返回所有主题The Like Trap: Multi-Stage Poisoning against Agents in Similarity-based Recommendation Systems
随着大语言模型及其驱动的智能体（agent）能力增强，这些智能体日益自主化，并可代表用户在互联网上执行操作，例如自动管理用户的社交媒体账号。然而，部署在社交平台上的自动化智能体自身的脆弱性研究仍不充分。现有关于智能体投毒的研究通常假设攻击者
Folk Models of Misinformation on Social Media.
该论文针对社交媒体上的错误信息（misinformation）展开了一项用户认知层面的实证研究，核心关注点是普通用户如何自发形成对错误信息的‘民间模型’（folk models），而非仅仅考察错误信息引发的焦虑、紧张或社会分裂等结构性影响。
To Err.Is Human: Characterizing the Threat of Unintended URLs in Social Media.
该论文首次系统性地研究了社交媒体中‘无意URL’（Unintended URLs）所构成的安全威胁。所谓无意URL，是指用户由于复制粘贴操作失误、输入法误触、自动纠错或文本截断等原因，在发布内容时意外附带的多余字符、错误域名片段或残缺链接。
STINER: Automated Extraction of Strategic Cyber Threat Intelligence from X
本文提出 STINER，一个面向社交媒体（特别是 X/Twitter）的战略级网络威胁情报（CTI）自动提取框架。战略 CTI 关注高级别洞察，如识别受攻击行业、将攻击归因于特定勒索软件组织、评估数据泄露规模等。X 平台往往在官方报告发布前
The Imitation Game: Exploring Brand Impersonation Attacks on Social Media Platforms.
本文研究社交媒体平台上的品牌冒充攻击（Brand Impersonation Attacks），这类攻击中，恶意行为者创建与知名品牌高度相似的账号、页面或内容，利用用户对品牌的信任实施钓鱼、诈骗、传播虚假信息等活动，严重威胁品牌声誉与用户安
Large Language Models and Social Media Information Integrity: Opportunities, Challenges, and Research Directions
本论文是一篇系统性的文献综述，关注大语言模型（LLM）在社交媒体信息完整性中的双重角色。随着LLM的快速发展，其在内容生成和语义理解上的能力深刻影响了虚假信息、错误信息、假新闻、社交机器人和隐私保护等挑战。作者对2019至2024年间发表的
From the Childhood Past: Views of Young Adults on Parental Sharing of Children's Photos.
本研究关注父母在社交媒体上分享子女照片（即“晒娃”）的隐私问题，探讨年轻成年人对父母在其童年时期分享照片行为的看法。研究背景是：越来越多的父母习惯在互联网上分享子女的照片，而这些照片可能在孩子成长过程中长期留存，引发隐私、尊严和数字身份等问
"Helps me Take the Post With a Grain of Salt: " Soft Moderation Effects on Accuracy Perceptions and Sharing Intentions of Inauthentic Political Content on X.
该论文研究社交媒体平台X（原Twitter）上的‘软性审核’（如事实核查标签、警告标签）对用户感知不真实政治内容准确性及分享意图的影响。通过实验方法，作者探讨了软性审核措施如何改变用户对虚假或误导性政治信息的认知，并分析了这些措施在实际平台
An Exploratory Study of Malicious Link Posting on Social Media Applications
本研究针对社交媒体应用中链接分享功能的安全漏洞展开探索性分析。随着社交媒体平台成为全球主流通信工具，用户频繁通过链接分享进行内容交互，但攻击者常利用此功能发布恶意URL，诱导用户点击以实施钓鱼、恶意软件传播等攻击。研究选取了Google P
Deceptive Deletions for Protecting Withdrawn Posts on Social Media Platforms.
在社交媒体平台上，用户常因过度分享不恰当的想法或个人隐私而后悔，并倾向于删除这些内容以弥补过失。然而，删除行为本身反而成为恶意攻击者追踪隐私信息的信号：攻击者通过大规模监控删除操作，能够识别出被删除内容可能对用户有害，从而侵犯用户隐私。现有
What Your Posts Reveal: A Benchmark and Agentic Framework for User-Level Privacy Leakage on Social Media
该论文聚焦于社交媒体平台上用户级隐私泄露问题。现有研究缺乏统一的基准来评估多模态（文本、图像、元数据）隐私泄露，且衡量指标多为二元准确率，无法捕捉暴露严重程度。为此，作者基于Rednote和Instagram的私有参考语料库提炼泄露模式，构
"I can say I'm John Travolta...but I'm not John Travolta": Investigating the Impact of Changes to Social Media Verification Policies on User Perceptions of Verified Accounts.
本研究探讨社交媒体平台验证政策变化（如Twitter（现X）在2022年后调整的蓝色验证标记政策）如何影响用户对已验证账户的感知和信任。传统上，蓝色验证标记被视为可信机构认证的权威标识，但平台将验证开放给付费订阅者后，验证标记的可靠性受到质
TIBlender: Early-Warning Threat Intelligence from Cross-Platform Social Media Evidence
本文提出 TIBlender，一个基于多智能体 LLM 的跨平台社交媒体威胁情报早期预警系统。当前网络安全威胁信号分散于多个社交媒体平台（如 X、Reddit、Telegram 和 Discord），尚未有方法能完全自动化地将这些碎片化信息
Context-Aware Spear Phishing: Generative AI-Enabled Attacks Against Individuals via Public Social Media Data
该研究系统地展示了如何滥用公开社交媒体数据和生成式AI（GenAI）来自动化、规模化地发起高度个性化且上下文感知的鱼叉式钓鱼攻击。研究者构建了一个模块化框架，涵盖多模态信号提取、沟通风格画像以及七种攻击策略（诱饵、恐吓软件、蜜罐、尾随、冒充
SoK: A Privacy Framework for Security Research Using Social Media Data.
该论文是一篇系统化知识综述（SoK），旨在为使用社交媒体数据进行安全研究的隐私问题提供一个分析框架。研究背景在于，社交媒体数据常包含个人敏感信息，尽管已有关于此类研究伦理的广泛讨论，但针对具体隐私风险及缓解措施的精细分析仍不足。作者从计算机
Revealing The Secret Power: How Algorithms Can Influence Content Visibility on Twitter/X.
本研究通过大规模定量分析Twitter/X推荐算法对内容可见性的影响，揭示平台存在系统性可见性调节现象。研究基于两个大型数据集：乌克兰-俄罗斯冲突相关推文（约2000万条，涉及500万用户）和2024美国总统大选相关推文（约2000万条，涉