TL;DR
本論文は、SNS上の公開情報から作れるプロファイルと、それがソーシャルエンジニアリングにどれだけ使えるかを測る枠組みを提案する。SOCMINTとCyber-HUMINTを統合した38能力の分類を作り、専門家検証を経て、抽出・推論・脆弱性評価をLLMマルチエージェントで実装。実参加者データでは抽出F1=97.3%、推論属性4.73/5、個人化選択の順位予測が偶然を上回った。防御者が自らの露出を先に把握できる点が強み。一方、公開データ依存、規約・プライバシー、対象規模や実攻撃への一般化は今後の検証が必要。
解説
「SOCMINTとCyber-HUMINTを統合してLLMでSNS露出を測る」ってタイトル、字面だけでちょっと身構えるんだけど。
まあ、いきなり全部わからなくて普通。要はSNSの公開情報から、どれだけ個人が狙われやすいかを見積もる話。
狙われやすいか、か。なんでそんなこと測るの？
攻撃者は公開情報を集めてプロファイルを作ってソーシャルエンジニアリングに使う。だから防御側が先に自分の露出を把握できるようにしたい。
先に自分で知る、って発想なんだ。攻撃の練習みたいでちょっと怖いけど。
攻撃ツールを作るというより、露出を測る枠組み。SOCMINTは公開情報の収集、Cyber-HUMINTは人的要素を踏まえた情報活用、それを統合する。
なるほど。で、どうやって測るの？
まずSOCMINTとCyber-HUMINTを統合した38個の能力分類を作る。抽出、推論、脆弱性評価みたいな能力を整理して、専門家に検証してもらう。
38個も。手作業じゃきつそう。
そこでLLMのマルチエージェントで実装する。役割を分けて、公開情報からプロファイルを作り、属性を推論し、どこが弱点かを評価する。
エージェントが分担してやる感じか。評価はどうだったの？
実参加者データでは抽出のF1が97.3%。推論した属性の評価は5点満点で4.73。個人化選択の順位予測も偶然より上だった。
数字だけ見るとかなり強いね。でも実参加者データってことは、ちゃんと人で試したんだ。
そう。ただ、これは公開データに依存するし、規約やプライバシーの問題も避けられない。
そりゃそうだ。SNSの公開情報って言っても、集め方によっては微妙だもんね。
あと対象規模や、実攻撃への一般化は今後の検証が必要。実験で良くても、現実の攻撃と同じように使えるとは限らない。
でも意義は大きいよね。自分たちの露出を先に測れると、防御の準備ができる。
そこが強み。攻撃者がやることを全部再現するんじゃなく、露出の把握と対策に使う。
私のSNSもエージェントに「露出多め」って採点されたらどうしよう。
投稿内容だけじゃなく、友達関係や投稿時刻も手がかりになるから、他人事じゃない。
じゃあ今日からプロフィールは俳句だけにする。季語で個人特定されないかな？
俳句だけでも投稿時間と相互作用で推論される。安心しないで。