Human Cognition through the Lens of Social Engineering Cyberattacks
社会工程网络攻击是一个主要威胁，因为它们往往是复杂和毁灭性网络攻击的前奏。社会工程网络攻击是一种心理攻击，利用人类认知功能的弱点。充分防御社会工程网络攻击需要更深入地了解这些网络攻击利用了人类认知的哪些方面，为什么人类容易受到这些网络攻击，以及我们如何最大限度地减少或至少减轻其损害。这些问题已经得到了一定程度的关注，但最先进的理解是肤浅的，分散在文献中。在本文中，我们通过社会工程网络攻击的镜头来回顾人类认知。然后，我们提出了一个扩展的人类认知功能框架，以适应社会工程网络攻击。我们将现有的关于社会工程网络攻击各个方面的研究纳入扩展框架，同时绘制了一些代表当前理解的见解，并阐明了未来的研究方向。扩展的框架可能会激发未来的研究努力，走向一个新的子领域，可以被称为网络安全认知心理学，它将认知心理学的原则调整或适应网络安全领域，同时拥抱网络安全领域特有的新概念和概念。
2020-07-10 cs.CR
Exploiting Social Navigation
我们提出了一个有效的Sybil攻击对社会的位置为基础的服务。我们的攻击基于创建大量知名的“机器人驱动程序”，并使用虚假的GPS报告控制其报告的位置。我们展示了这种攻击如何通过将其应用于Waze来影响社交导航系统-Waze是一个超过5000万司机使用的着名社交导航应用程序。我们表明，我们的攻击可以伪造交通堵塞，并显着影响路由决策。我们提出了几种技术来防止攻击，并表明，有效的缓解可能需要使用额外的运营商信息。
2014-10-01 cs.CR
User Awareness Measurement Through Social Engineering
TUBITAK国家电子和密码学研究所（UEKAE）信息系统安全部在“信息安全测试”框架内对土耳其公共机构进行社会工程攻击。本文将对土耳其几个公共机构进行的社会工程测试进行分析。这些测试包括由社会工程师打电话对员工进行抽样，并试图利用员工的善意来获取他们的敏感信息。这项研究的目的是数字，在土耳其公共机构的雇员缺乏信息安全意识，他们妥协的信息安全的原则，应该是必要的任何公共机构。社会工程学以其低成本和利用低技术的能力，在信息安全文献中作为一种非常有效的攻击形式占据了一席之地[8]。
2011-08-10 cs.CR
TASEP: A Collaborative Social Engineering Tabletop Role-Playing Game to Prevent Successful Social Engineering Attacks
针对社会工程学攻击，提出一款名为TASEP的桌面角色扮演游戏，通过模拟渗透测试和乐高模型，提供沉浸式培训，以提高员工安全意识，经评估具有良好效果。
2023-08-29 cs.CR
Emerging Mobile Phone-based Social Engineering Cyberattacks in the Zambian ICT Sector
2020年，赞比亚的注册SIM卡和活跃手机用户数量超过了该国人口。这清楚地表明，在赞比亚，移动电话已成为日常生活的一部分，由于移动电话系统与金融支付系统相结合，不仅方便了人们的通信方式，而且也方便了人们进行金融交易的方式。这种发展不是没有代价的。网络攻击者使用各种社会工程技术，跳上了欺骗毫无戒心的用户的潮流。考虑到上述情况，本文提出了一种高阶分析方法对基于手机的社会工程网络攻击（网络钓鱼，短信诈骗和钓鱼）在赞比亚，寻求欺骗良性的受害者。本文提出了一个基线研究，重申手头的问题。此外，我们设计了一个攻击模型和评估框架，并确定最流行的攻击类型。我们还在结果部分进行了逻辑回归分析，以得出最流行的基于手机的社会工程攻击类型。根据这些人工制品和观察到的见解，我们提出了一些建议，以减轻这些新兴的社会工程网络攻击。
2022-12-28 cs.CR
Et tu, Blockchain? Outsmarting Smart Contracts via Social Engineering
我们揭示了以太坊中的六种零日社会工程攻击，并将其细分为两类：地址操纵和同形异义词。我们通过将它们嵌入到五个流行的智能合约的源代码中来展示这些攻击，这些智能合约的总市值超过290亿美元，并表明这些攻击能够在测试阶段保持休眠状态，只有在生产部署后才能激活。我们分析了85，656个开源智能合约，发现1，027个合约可以直接用于执行社会工程攻击。为了负责任的披露，我们联系了七家智能合约安全公司。本着开放研究的精神，我们向公众提供攻击基准、工具和数据集的源代码。
2022-09-17 cs.CR
Some Recommended Protection Technologies for Cyber Crime Based on Social Engineering Techniques -- Phishing
网络钓鱼（密码+钓鱼）是一种基于社会工程和网站欺骗技术的网络犯罪形式。“网络钓鱼”的名称是“钓鱼”一词的故意拼写错误，涉及从用户的计算机中窃取机密数据，然后使用这些数据窃取用户的钱。在本文中，我们研究，讨论和提出了网络钓鱼攻击的阶段和类型，检测网络钓鱼网页的技术，并总结了我们的论文与一些重要的建议，以防止网络钓鱼的消费者和公司。
2012-01-04 cs.CR
Efficacy of Satisfiability Based Attacks in the Presence of Circuit Reverse Engineering Errors
知识产权（IP）盗窃是集成电路（IC）行业的一个严重问题。为了解决这个问题，逻辑锁定对策将逻辑电路转换为不同的逻辑电路以混淆其内部细节。由混淆引起的变换仅在应用编程的秘密密钥时被反转，从而保持电路的原始功能。这种技术容易受到基于可满足性（SAT）的攻击。但是为了成功，基于SAT的攻击隐含地假设完美的逆向工程电路，这在实践中很难实现，这是由于自动电路提取引起的逆向工程（RE）错误。在本文中，我们分析了随机电路RE错误对基于SAT的攻击成功的影响。对ISCAS、MCNC基准测试以及成熟的RISC-V CPU的实证评估表明，攻击成功率随着随机RE错误数量的增加而呈指数级下降。因此，对手要么必须配备接近完美的RE工具，要么提出更好的基于SAT的攻击，可以与RE缺陷一起工作。
2021-02-16 cs.CR
Social engineering: Concepts, Techniques and Security Countermeasures
本报告的目的是研究网络安全中的社会工程这一主题，并根据实际的学术研究，对社会工程的含义、概念、技术和安全对策进行说明。
2021-06-23 cs.CR cs.CY
Library-Attack: Reverse Engineering Approach for Evaluating Hardware IP Protection
针对现有硬件IP保护忽视特权攻击者风险的问题，提出Library-Attack反向工程技术，利用特权信息与结构比较恢复IP，并在ISCAS89上验证漏洞，更新威胁模型。
2025-01-21 cs.CR
Illusion Worlds: Deceptive UI Attacks in Social VR
针对社交VR平台的安全漏洞，本文提出四种欺骗性UI攻击并在VRChat上验证，同时开发了MetaScanner防御工具，可快速检测虚拟世界中的可疑元素。
2025-04-12 cs.CR
Reverse Engineering of Integrated Circuits: Tools and Techniques
消费者和国防系统需要设计和制造性能更高的电子产品。随着这些系统在众多领域中变得无处不在，它们的应用面增加了，从而使它们成为对手的目标。因此，随着性能的提高，安全性方面需要设计师更多的关注。研究界充斥着通过利用漏洞针对机密设计细节的攻击的广泛细节。攻击者可以针对半导体芯片的物理设计，或者通过提取密钥来破坏密码算法，这些攻击将在本文中讨论。本文主要介绍了集成电路逆向工程攻击和针对密码系统的攻击。此外，本文还介绍了我对所讨论的攻击的防御的贡献。集成电路（IC）供应链的全球化使低成本和高性能的IC在市场上的优势为最终用户所接受。但这也使得设计在制造和制造后过程中容易受到过度生产、IP盗版、逆向工程攻击和硬件恶意软件的影响。过去已经提出了逻辑锁定方案来克服设计信任问题，但新的最先进的攻击（如SAT）已被证明是一个更大的威胁。这项工作突出了逆向工程攻击和建议的加固平台及其框架。
2022-08-18 cs.CR
The Shadow of Fraud: The Emerging Danger of AI-powered Social Engineering and its Possible Cure
本文综述了AI驱动的社会工程学攻击的演变，提出“3E阶段”分类框架，并强调构建风险评估体系以指导防御策略开发。
2024-07-22 cs.CR
From Social Engineering to Quantum Threats: Safeguarding User Wallets with FailSafe
针对加密货币用户钱包交互中的资金损失问题，本文提出FailSafe纵深防御方案，并配套qMig工具以应对未来量子威胁。
2023-04-14 cs.CR
Seeing is (Not) Believing: Practical Phishing Attacks Targeting Social Media Sharing Cards
本研究针对在线社交网络的链接分享卡片功能，发现了分享卡片伪造（SCF）钓鱼攻击，验证了其在13个社交平台上的可行性与危害性，并探讨了缓解挑战，为OSN生态防御提供了参考。
2024-05-17 cs.CR
Social Engineering Attacks and Defenses in the Physical World vs. Cyberspace: A Contrast Study
社会工程攻击是一种同样适用于物理世界和网络空间的现象。物理世界中的这些攻击比网络空间中的对应攻击被研究的时间要长得多。这促使我们研究物理世界和网络空间中的社会工程攻击如何相互关联，包括它们的共同特征和独特特征。为此，我们提出了一种方法，将物理世界和网络空间中的社会工程攻击和防御统一到一个框架中，包括：（i）基于心理学原理的系统模型，用于描述这些攻击;（ii）这些攻击的系统化;以及（iii）对它们的防御系统化。我们的研究得出了一些见解，这些见解揭示了未来的研究方向，以充分防御网络空间中的社会工程攻击。
2022-03-09 cs.CR cs.HC
Towards Secrecy-Aware Attacks Against Trust Prediction in Signed Social Networks
本文研究符号社交网络信任预测的隐蔽投毒威胁，将攻击建模为双层优化并引入结构语义惩罚，提出可高概率规避检测器且性能损失很小的保密性感知攻击。
2023-07-17 cs.CR
Reverse Engineering Camouflaged Sequential Integrated Circuits Without Scan Access
集成电路（IC）封装是一种很有前途的技术，以保护芯片的设计免受逆向工程。然而，最近的工作表明，即使是封装的IC也可以使用SAT求解器从芯片的观察到的输入/输出行为进行逆向工程。然而，这些所谓的SAT攻击到目前为止只针对封装的组合电路。对于封装的时序电路，SAT攻击要求电路的内部状态通过扫描链是可控制和可观察的。已经隐含地假设，限制扫描链访问增加了被封装的IC的安全性以免受逆向工程攻击。在本文中，我们提出了一种新的攻击方法来decamberage时序电路没有扫描访问。我们的攻击使用模型检查器（比SAT求解器更强大的推理工具）来找到一组有区别的输入序列，即，一个足以确定封装栅极的功能性。我们提出了几个改进，包括使用有界模型检查器，以及确定一组输入序列是否有区别的充分条件，以提高我们攻击的运行时间和可扩展性。我们的攻击是能够decamberage一个大型的顺序基准电路，实现了一个子集的VIPER处理器。
2017-10-28 cs.CR
Countering Social Engineering through Social Media: An Enterprise Security Perspective
针对社交媒体渠道的社交工程师的威胁越来越大，以提高他们对公司数据的攻击效率，许多组织都推出了更好地了解这些漏洞的举措。本文探讨了企业内部通过社交媒体进行社会工程的问题，并探讨了为遏制随之而来的风险而采取的对策。报告还分析了公共和私营部门现有的社交媒体安全政策和准则。
2015-11-21 cs.CR cs.CY
Trajectory Privacy Protection Mechanism based on Social Attributes
目前的轨迹隐私保护技术只考虑了轨迹数据的时空属性，而忽略了轨迹数据的社会属性。然而，社会属性与人类活动轨迹之间存在着内在联系，这给轨迹隐私保护带来了新的挑战，使得现有的轨迹隐私保护技术无法抵御基于社会属性的轨迹隐私攻击。为此，本文首先研究了轨迹数据中的社会隐私攻击，构建了基于“时空”特征融合的社会隐私攻击模型，揭示了轨迹数据中的时空特征对社会隐私泄露的内在影响。- 匿名算法和轨迹发布隐私保护提供理论支持。在此基础上，将社会属性融入轨迹隐私保护技术，设计基于“时空-社会”三维移动模型的轨迹k-匿名算法，构建基于“时空-社会-语义”多维关联的轨迹数据发布隐私保护模型。
2022-12-13 cs.CR
Social Media Networks Attacks and their Preventive Mechanisms: A Review
我们生活在一个虚拟的世界里，真实的生活方式被复制。全世界对社交媒体网络的使用日益依赖，导致对信息安全的极大关切。使社交媒体平台流行起来的因素之一是它们如何将世界各地的人们联系起来，以进行互动，分享内容，并参与跨越地理边界的共同兴趣的相互互动。在所有这些令人难以置信的收益背后，是威胁物理社会化的数字犯罪等同。犯罪分子和黑客正在利用社交媒体平台（SMP）进行许多邪恶的活动来伤害他人。随着检测工具的发展来控制这些犯罪，黑客的战术和技术也在不断发展。黑客不断开发新的攻击工具和黑客策略，以获得对系统的恶意访问并攻击社交媒体网络，从而使安全管理员和组织难以开发和实施防止黑客攻击所需的适当策略和程序。社交媒体平台上网络攻击的增加要求采取紧急和更智能的安全措施，以提高社交媒体平台的有效性。本文探讨了黑客攻击社交媒体的模式和策略，以及如何防止他们对用户的活动，以确保安全的社交网络空间，提高虚拟社交。首先对社交媒体平台进行了简要的分类，然后重点介绍了各种类型的攻击，最后提出了当前最先进的防范机制，以克服研究工作中提出的攻击，最后提出了社交媒体入侵检测机制作为打击社交媒体网络网络犯罪的第二道防线
2022-01-10 cs.CR cs.SI
An Efficient and Robust Social Network De-anonymization Attack
从社交网络服务释放连接数据可能对用户隐私构成重大威胁。在我们的工作中，我们考虑了结构化社交网络去匿名化攻击，当恶意方使用公共或其他已识别网络中的连接来重新识别他先前获得的匿名社交网络发布中的用户时，就会使用这种攻击。在本文中，我们设计和评估一种新的社会去匿名化攻击。特别是，我们认为，用于重新识别节点的相似性函数是这种攻击的一个关键组成部分，我们设计了一个新的措施量身定制的社交网络。我们将这种方法应用到一种叫做“大黄蜂”的攻击中。我们对Bumblebee进行了深入的评估，并表明它显着优于最先进的，例如它具有更高的重新识别率和高精度，对噪声的鲁棒性，并且具有更好的错误控制。
2016-10-13 cs.CR cs.SI
Case Study On Social Engineering Techniques for Persuasion
市场上有很多安全软件;每个都声称是最好的，但我们每天都面临病毒和其他恶意活动的问题。如果我们知道这种恶意软件的基本工作原理，那么即使没有安全软件，我们也可以很容易地阻止其中的大多数。黑客和破解者是心理学专家，他们操纵人们让他们访问或获得访问所需的信息。本文讨论了这种攻击的内部工作。提供了Spandex的案例研究。在本案例研究中，我们使用社会工程技术在Linux操作系统（被认为是最安全的操作系统）上进行欺骗，获得了100%的成功。在这里，我们讨论了几个基本的防御原则，无论是对个人还是对组织，只要遵循这些原则，就可以防止大多数这样的攻击。
2010-06-19 cs.CR
Something to Talk About: Social Media as a Lens on Healthcare Ransomware Events
University of California, San Diego（加州大学圣地亚哥分校）
本研究利用2018-2024年间1,628条Facebook和Reddit帖子，匹配212起真实勒索软件攻击，通过定量和定性分析揭示其对医院基础设施、患者护理及医疗服务提供者的影响，并探讨社交数据研究的潜力与局限。
2026-09-29 cs.CR
X-Vine: Secure and Pseudonymous Routing Using Social Networks
分布式哈希表存在多个安全和隐私漏洞，包括Sybil攻击问题。现有的基于社交网络的解决方案，以减轻在DHT路由的Sybil攻击有一个高的状态要求，并没有提供足够的隐私级别。例如，这样的技术要求用户揭示他们的社交网络联系人。我们设计了X-Vine，这是一种分布式哈希表的保护机制，完全通过社交网络链接进行通信。与传统的点对点系统一样，X-Vine提供了健壮性、可扩展性和创新平台。使用社交网络链接进行通信有助于保护参与者的隐私，并增加了以前设计中缺乏的新的信任维度。X-Vine能够抵御Sybil攻击造成的拒绝服务攻击，事实上，它是第一个只需要每个节点对数数量的状态的Sybil防御，因此适合大规模和动态设置。X-Vine还有助于保护用户社交网络联系人的隐私，并将其IP地址隐藏在社交圈之外，为匿名通信提供基础。我们首先评估我们的设计与分析和模拟，使用几个现实世界的大型社交网络拓扑结构。我们表明，X-Vine的约束允许每个攻击边缘只插入对数数量的Sybil身份;我们表明，这减轻了恶意攻击的影响，同时不影响诚实节点的性能。此外，我们的算法是有效的，保持低拉伸，并避免在网络中的热点。我们用PlanetLab实现和Facebook插件验证我们的设计。
2011-09-05 cs.CR
Detection and Amelioration of Social Engineering Vulnerability in Contingency Table Data using an Orthogonalised Log-linear Analysis
社会工程已经成为网络安全的一个重大威胁。在基于对话的攻击中，通过拥有足够的潜在受害者的个人数据来令人信服，社会工程师冒充受害者，以操纵攻击的目标，使其透露足够的信息，以访问受害者的帐户等。我们利用信息科学中对人类信息处理的不断发展的理解，来证明目标对操纵的脆弱性，并提出一种形式，对策我们的重点是社会工程师能够建立受害者的个人资料的可能性，在一定程度上，推断个人属性值的统计信息，无论是非正式的，从一般的知识，或更正式的，从一些公共数据库。我们使用的正交化日志线性分析的数据的形式，一个偶然的表，以制定一个措施，如何敏感的特定子表是概率推理的基础上，我们提出的对策。这是基于这样的观察，即推理依赖于高度的非均匀性，并利用分析的正交性来定义子空间投影方面的测量。
2023-02-27 cs.CR
SAT-based Reverse Engineering of Gate-Level Schematics using Fault Injection and Probing
门隐藏是一种已知的安全增强技术，其试图通过隐藏门的功能或它们之间的连接来阻止逆向工程。许多基于SAT的攻击的工作表明，通过将混淆的电路模型与具有对混淆的组合电路的Oracle访问的能力相结合，通常可以对电路功能进行逆向工程。特别是在小型电路中，很容易以这种方式对电路功能进行逆向工程，但是基于SAT的逆向工程技术不能保证恢复与原始设计逐门等效的电路。在这项工作中，我们表明，一个攻击者谁不知道门功能或连接的一个积极的反相电路不能学习正确的门级原理图，即使能够控制输入和探测电路的所有组合节点。然后，我们提出了一个更强大的攻击，扩展了基于SAT的逆向工程与故障分析，让攻击者恢复正确的门级原理图。我们分析了我们的逆向工程方法上的S-Box电路。
2018-02-24 cs.CR
Bot Development for Social Engineering Attacks on Twitter
开发了一系列使用Twitter平台中的网络钓鱼进行模拟社会工程攻击的机器人，以识别潜在的不安全用户行为。在这项工作中，开发了不同的机器人版本，以收集连续38天针对1，287个Twitter帐户的刺激后的反馈数据。结果是不确定的存在不安全行为的preceptor，但我们得出结论，尽管Twiter的安全这种攻击仍然是可行的。
2020-07-23 cs.CR cs.SI
Decoding the Threat Landscape : ChatGPT, FraudGPT, and WormGPT in Social Engineering Attacks
本研究采用博客挖掘技术分析ChatGPT、FraudGPT及WormGPT在社会工程攻击中的多维度应用与风险，提出防御策略，为利益相关者应对相关网络安全威胁提供参考。
2023-10-09 cs.CR
Attribution of Gradient Based Adversarial Attacks for Reverse Engineering of Deceptions
University of California, Santa Barbara（加州大学圣巴巴拉分校）；Mayachitra Inc（玛雅奇特拉公司）
机器学习（ML）算法在训练和部署过程中容易受到对抗攻击和欺骗。这些对抗性机器学习攻击背后的工具链的自动逆向工程将有助于恢复这些攻击中使用的工具和流程。在本文中，我们提出了两种技术，支持使用共生像素统计和Laplacian Resistance自动识别和归因对抗性ML攻击工具链。我们的实验表明，所提出的技术可以识别用于生成对抗样本的参数。据我们所知，这是第一种基于属性梯度的对抗攻击方法，并估计它们的参数。源代码和数据可在https://github.com/michael-goebel/ei_red上获得
2021-03-19 cs.CR cs.CV
Internet-based Social Engineering Attacks, Defenses and Psychology: A Survey
社交工程攻击是一种主要的网络威胁，因为它们通常是攻击者闯入防御良好的网络、窃取受害者的凭据并造成经济损失的第一步。这个问题已经得到了应有的重视，许多出版物提出了针对它们的防御措施。尽管如此，情况并没有改善。在本文中，我们的目的是了解和解释这一现象，寻找问题的根源。为此，我们通过我们提出的一个独特的视角- { \em心理因素（PF）和技术（PT）}来研究攻击和防御的文献。我们发现攻击和防御之间存在很大的差异：攻击者通过利用PT故意利用PF，但防御很少考虑这些因素，更喜欢技术解决方案。这就解释了为什么现有的防御措施取得了有限的成功。这促使我们提出一个路线图，以更系统的方法来设计有效的防御社会工程攻击。
2022-08-01 cs.CR cs.HC
CATBERT: Context-Aware Tiny BERT for Detecting Social Engineering Emails
有针对性的网络钓鱼电子邮件正在增加，每年从组织中窃取数十亿美元。虽然传统的恶意软件签名或机器学习技术可以检测到来自附件或电子邮件中恶意URL的恶意信号，但要识别不包含任何恶意代码且不与已知攻击共享单词选择的手工制作的社交工程电子邮件具有挑战性。为了解决这个问题，我们通过用简单的适配器替换Transformer块的一半来微调预训练的BERT模型，以有效地学习自然语言的语法和语义的复杂表示。我们的上下文感知网络还可以从电子邮件标题中学习电子邮件内容和上下文特征之间的上下文表示。我们的CatBERT（上下文感知Tiny BERT）实现了87%的检测率，而DistilBERT，LSTM和逻辑回归基线分别实现了83%，79%和54%的检测率，假阳性率为1%。我们的模型也比竞争的Transformer方法更快，并且对故意用错别字或同义词替换关键字的对抗攻击具有弹性。
2020-10-07 cs.CR
An Empirical Case Study of Prompt Engineering Strategies for Bypassing Multi-Layer Agent Security Defenses
本文通过OpenClaw攻防挑战开展实证研究，分析提示工程策略对多层智能体安全防御的绕过效果，发现指令安全性与攻击准确率存在权衡，多层防御可大幅限制提示工程的作用。
2026-10-14 cs.CR
On the Security of Trustee-based Social Authentications
最近，在朋友的帮助下对用户进行认证（即，基于信任的社会认证）已被证明是一种有前途的备份认证机制。该系统中的用户与从用户的朋友中选择的几个受托人相关联。当用户想要重新访问帐户时，服务提供商向用户的受托人发送不同的验证码。用户必须获得至少k（即，恢复阈值）验证码，然后被指示重置他或她的密码。在本文中，我们提供了第一个系统的研究基于信任的社会认证的安全性。具体来说，我们首先介绍一种新的攻击框架，我们称之为森林火灾攻击。在这些攻击中，攻击者首先获得少量受损用户，然后攻击者通过利用基于信任的社交认证迭代地攻击其余用户。然后，我们构建了一个概率模型来形式化森林火灾攻击的威胁和攻击者的成本。此外，我们还介绍了各种防御策略。最后，我们应用我们的框架，广泛评估各种具体的攻击和防御策略，使用三个现实世界的社交网络数据集。我们的研究结果有很强的影响，设计更安全的基于信任的社会认证。
2014-06-08 cs.CR cs.SI
SEIGuard: An Authentication-simplified and Deceptive Scheme to Protect Server-side Social Engineering Information Against Brute-force Attacks
提出了一种简化身份验证的欺骗性方案（SEIGuard），用于保护服务器端的社会工程信息（SEI）等信息免受蛮干攻击。在SEIGuard中，认证中的密码检查被省略，并且该设计进一步与使用蜂蜜加密的SEI加密设计相结合。登录密码只是作为加密SEI的临时密钥，数据库中没有存储密码明文或密文。在登录过程中，服务器不检查登录密码，正确的密码将密文解密为正确的明文;不正确的密码将密文解密为虚假但看起来可信的明文（从相同的分布中采样）。这两种情况共享相同的未区分的后端过程。该方案消除了在线和离线蛮干攻击所依赖的锚点，并针对4种典型的社会工程信息客体给出了4种SEIGuard方案设计和算法（移动电话号码、身份证号码、电子邮件地址、个人姓名），它们代表4种不同类型的消息空间，即1）有限且均匀分布，2）有限，复杂且均匀分布，3）无限且均匀分布，4）无限且非均匀分布的消息空间。针对SEIGuard方案的应用，提出了多个小映射文件策略、二分查找算法、两部分HE（DTE）设计和增量映射文件解决方案。最后，本文在上述方案、设计和算法的基础上开发了SEIGuard系统。实验结果表明，SEIGuard方案能有效地保护服务器端SEI免受蛮干攻击，且SEIGuard方案的实时响应性能优于传统的PBE服务器方案和HE加/解密方案。
2021-08-18 cs.CR
User Blocking Considered Harmful? An Attacker-controllable Side Channel to Identify Social Accounts
本文提出了一种实用的侧信道攻击，它可以识别攻击者网站访问者的社交网络服务帐户。我们的攻击利用了广泛采用的用户阻止机制，滥用其固有属性，即某些页面根据用户是否被阻止而返回不同的Web内容。我们的关键见解是，攻击者准备的帐户可以针对同一服务上的任意用户保持攻击者可控制的阻塞/非阻塞二进制状态;只要用户登录到服务，则当用户访问攻击者的网站时，可以通过传统的跨站定时攻击将此状态检索为一位数据。我们概括并引用这样一个属性作为可见性控制，我们认为这是我们攻击的基本假设。在此基础上，我们证明了具有一组受控帐户的攻击者可以对通过侧通道泄漏的数据进行完整而灵活的控制。使用这种机制，我们表明，它是可能的设计和实现一个强大的，大规模的用户识别攻击各种各样的社交网络服务。为了验证我们的攻击的可行性，我们使用16个流行的社交网络服务进行了广泛的实证研究，并证明其中至少有12个容易受到我们的攻击。易受攻击的服务不仅包括Twitter和Facebook等流行的社交网站，还包括提供社交功能的其他类型的Web服务，例如，eBay和Xbox Live。我们还证明了攻击可以达到近100%的准确性，并可以在足够短的时间内完成在一个实际的设置。我们讨论的基本原则，实际方面，以及可能的防御攻击的局限性。
2018-05-14 cs.CR cs.SI
Vulnerabilities and Attacks Targeting Social Networks and Industrial Control Systems
脆弱性是系统或网络基础设施中的弱点、缺点或缺陷，攻击者可以利用这些弱点、缺点或缺陷来损害系统，破坏其正常运行，并将其用于其财务、竞争或其他动机，或仅用于网络出轨。在本文中，我们重新审视了对工业控制系统和社交网络用户的各种类型的攻击。我们已经列出了执行这些攻击所利用的所有漏洞及其对这些系统和社交网络的影响。重点将主要放在OSN中使用的漏洞上，这些漏洞将社交网络转换为反社交网络，并且这些网络可以进一步用于对与受害者用户相关的用户进行网络攻击，从而对越来越多的社交网络用户进行连续的攻击链。另一种类型的攻击，Stuxnet攻击，最初是为了攻击伊朗的核设施，也在这里讨论，它通过改变目标系统中的代码来损害它所控制的系统。Stuxnet蠕虫病毒是一种非常危险和危险的攻击手段，是第一种，因为它允许攻击者操纵实时的设备。
2014-03-22 cs.CR cs.SI physics.soc-ph
Wolves in the Repository: A Software Engineering Analysis of the XZ Utils Supply Chain Attack
本文分析XZ Utils供应链攻击（CVE-2024-3094），揭示攻击者操纵软件工程实践注入后门，提出保护开源生态的见解。
2025-04-24 cs.CR cs.SE
Survey about social engineering and the Varni na internetu awareness campaign, 2020
本文报道了一项旨在探索与行为意图相关的因素，以遵循社会工程意识运动的研究。本研究的目的是确定如何感知的严重性，感知的脆弱性，感知的威胁，恐惧，主观规范，对行为的态度，感知的行为控制，自我效能，反应效能，对当局的信任，感知的监管，当局的表现，信息敏感性和隐私关注与个人的行为意图，遵循社会工程意识运动。本研究采用横断面研究设计。2020年1月至6月，在斯洛文尼亚的个人中进行了一项调查。共有553名受访者完成了调查，在排除填写不完整的回答后，提供了N=542个有用的回答（27.9%的回答率）。调查问卷以英文编制。调查问卷有斯洛文尼亚文译本。
2021-09-02 cs.CR cs.CY
Investigating Detection and Obfuscation of Prompt Injection Attacks Against Software Reverse Engineering AI Agents
Dept. of Computer Science（计算机科学系）；Naval Postgraduate School（海军学院）
本研究针对软件逆向工程AI代理面临的提示注入攻击，提出了检测反编译器输出中提示注入字符串的防御策略，并探索了攻击混淆及相应防御方法。
2026-05-29 cs.AI cs.CR cs.SE
A Survey on Privacy and Security in Online Social Networks
在线社交网络（OSN）是一个永久的存在，在今天的个人和职业生活的一个巨大的部分人口，直接影响到离线活动。建立在信任的基础上用户与其他有共同兴趣或重叠的个人兴趣的用户建立联系在线社交网络和相关的应用程序提取了前所未有的大量个人信息。不出所料，出现了严重的隐私和安全风险，将自己定位为两种主要类型的攻击：利用嵌入在公开的社交关系中的隐含信任的攻击;以及收集用户个人信息用于恶意用途的攻击。本文概述了迄今为止OSN中出现的隐私和安全问题。我们介绍了OSN中的隐私和安全攻击的分类，我们概述了现有的解决方案，以减轻这些攻击，并概述了仍然需要克服的挑战。
2015-01-27 cs.CR cs.SI
The Social and Psychological Impact of Cyber-Attacks
网络攻击已经变得像互联网本身一样普遍。每年，行业报告、媒体和学术文章都会强调这种日益普遍的情况，涵盖攻击和网络犯罪的数量和种类。在这篇文章中，我们试图通过对与网络攻击相关的社会和心理方面的批判性反思，进一步推进关于网络威胁、认知脆弱性和网络心理学的讨论。特别是，我们有兴趣了解公众如何看待和参与风险，以及他们在网络攻击发生期间和之后如何受到影响。这项研究的重点是与理解公众对恶意网络事件的反应相关的关键认知问题，包括风险感知、保护动机、文化和攻击者特征（例如，攻击者身份、目标身份和攻击规模）。为了考虑我们研究结果的适用性，我们调查了过去几年中的两次重大网络攻击，即2017年的WannaCry攻击和同年的WannaCry银行集团攻击。
2019-09-29 cs.CR cs.CY cs.HC
Towards a Security Lifecycle Model against Social Engineering Attacks: SLM-SEA
这项研究考虑了社会工程安全攻击的影响，这些攻击被认为是利用用户意识和行为的机会。在这方面，研究提出了一种管理方法，以加强甚至确保保护。本研究的目的是构建一个安全的生命周期模型，对这些不测事件，并分析已在土耳其公共部门的背景下进行的测试结果。这项研究的主要目的是确定为什么员工通过访谈陈述谬误和相关修正来共享敏感信息，从而了解用户在面对真正的社会工程攻击时的行为。研究结果表明，土耳其公共组织的雇员对信息安全认识不足，他们通常忽视至关重要的安全程序。这是一个重要的例子，说明越来越需要进一步普及用户意识和责任，使个人而不仅仅是软件成为安全保护组合的一个关键要素。
2015-07-09 cs.CR cs.CY
Digital Deception: Generative Artificial Intelligence in Social Engineering and Phishing
本文探讨了生成式AI在社会工程攻击中的变革性作用，提出三大攻击支柱并构建了生成式AI社会工程框架，以研究AI驱动攻击的复杂性，同时探索人类影响与应对对策，促进更安全的人机交互。
2023-10-15 cs.CR cs.CY cs.HC
On the Feasibility of Using MultiModal LLMs to Execute AR Social Engineering Attacks
Huazhong University of Science and Technology（华中科技大学）；Hubei University（湖北大学）；Dublin City University（都柏林城市大学）
本文首次通过SEAR框架研究多模态大语言模型执行AR社会工程攻击的可行性，经60人实验验证其诱导高风险行为有效（如93.3%易钓鱼），为相关防御提供了概念验证与见解。
2025-04-16 cs.AI cs.CR
Breaching the Human Firewall: Social engineering in Phishing and Spear-Phishing Emails
我们研究了三种社会工程策略对用户判断点击电子邮件中的链接有多安全的影响。研究的三种策略是权威、稀缺和社会证明，电子邮件要么是真实的，要么是网络钓鱼或鱼叉式网络钓鱼。在这三种策略中，使用权威是说服用户电子邮件中的链接是安全的最有效的策略。当检测网络钓鱼和鱼叉式网络钓鱼电子邮件时，用户在电子邮件使用权威原则时表现最差，而在存在社会证据时表现最好。总体而言，用户很难区分真正的和鱼叉式网络钓鱼电子邮件。最后，在做出决定时不那么冲动的用户通常不太可能判断欺诈性电子邮件中的链接是安全的。对教育和培训的影响进行了讨论。
2016-05-28 cs.CR cs.CY
SENet: Visual Detection of Online Social Engineering Attack Campaigns
University of Georgia（佐治亚大学）；Georgia Institute of Technology（佐治亚理工学院）；Louisiana State University（路易斯安那州立大学）
本文提出 SEShield 框架，通过 SECrawler 爬取野外社会工程攻击样本，训练深度学习图像分类器 SENet 识别攻击页面视觉特征，并嵌入浏览器实现实时检测，检测率达 99.6%。
2024-01-10 cs.CR cs.LG
Draining the Water Hole: Mitigating Social Engineering Attacks with CyberTWEAK
Carnegie Mellon University（卡内基梅隆大学）；Facebook, Inc.（脸书公司）；Security Works（安全工作公司）
网络攻击者越来越多地利用社会工程攻击来破坏大型组织，并威胁当今在线用户的福祉。一个聪明的技术，“水坑”攻击，妥协一个合法的网站执行驱动下载攻击，通过重定向用户到另一个恶意域。我们引入了一个博弈论模型，该模型捕获了一个组织通过改变网络流量中的环境信息来欺骗攻击者，从而保护自己免受水坑攻击的突出方面。我们的主要贡献是（1）一个新的社会工程欺骗（SED）游戏模型，具有连续的动作集的攻击者，（2）深入分析的SED模型，以确定计算上可行的现实世界的情况下，和（3）CyberTWEAK算法，解决了最佳的保护策略。为了说明我们的框架的潜在用途，我们基于我们的算法构建了一个浏览器扩展，该扩展现在可以在网上公开使用。CyberTWEAK扩展对于社会工程对策的持续开发和部署至关重要。
2019-11-19 cs.AI cs.CR cs.GT
My Brother Helps Me: Node Injection Based Adversarial Attack on Social Bot Detection
本研究提出一种黑盒节点注入对抗攻击方法，通过在图神经网络检测模型周围注入新节点以逃避社交机器人检测，在Cresci-2015和TwiBot-22数据集上攻击成功率超73%，注入节点被检测率低于13%。
2023-10-11 cs.CR cs.SI
Crowdsourcing Cybersecurity: Cyber Attack Detection using Social Media
社交媒体通常被视为各种社会事件的传感器，如疾病爆发，抗议和选举。我们描述了使用社交媒体作为众包传感器来深入了解正在进行的网络攻击。我们的方法检测到广泛的网络攻击（例如，分布式拒绝服务（DDOS）攻击、数据泄露和帐户劫持）。基于卷积核和依赖关系解析的新查询扩展策略有助于对报告结构进行建模，并有助于识别关键事件特征。通过对Twitter的大规模分析，我们证明了我们的方法始终识别和编码事件，优于现有的方法。
2017-02-24 cs.CR cs.HC cs.IR
From Lemons to Peaches: Improving Security ROI through Security Chaos Engineering
本文指出传统信息安全因攻击不可避免而回报率低下，提出采用安全混沌工程范式，通过降低攻击影响并生成改进证据来提升安全投资回报率。
2023-07-07 cs.CR cs.SE
Personalized Attacks of Social Engineering in Multi-turn Conversations: LLM Agents for Simulation and Detection
Arizona State University（亚利桑那州立大学）；Kitware, Inc（Kitware公司）；Columbia University（哥伦比亚大学）
提出LLM智能体框架SE-VSim模拟多轮社会工程攻击，并基于超1000个对话提出SE-OmniGuard，利用受害者个性特征提供个性化防护与检测。
2025-09-08 cs.CL cs.CR
Filter-then-Verify: A Multiphase GNN and ModernBERT Framework for Social Engineering Detection in Email Networks
School of Computing Sciences and Computer Engineering, The University of Southern Mississippi（计算机科学与计算机工程学院，密西西比大学）
本文提出了一种结合图神经网络和现代BERT的多阶段框架，用于检测电子邮件网络中的社会工程攻击，通过结构异常检测和内容验证相结合，实现了高召回率和高精确度。
2026-05-17 cs.CR cs.LG
SNIFF: Reverse Engineering of Neural Networks with Fault Attacks
Silicon Austria Labs（奥地利硅实验室）；Graz University of Technology（格拉茨技术大学）；Nanyang Technological University（南洋理工大学）；Slovak University of Technology（斯洛伐克技术大学）
神经网络已被证明是脆弱的故障注入攻击。这些攻击会在计算过程中改变设备的物理行为，导致当前正在计算的值发生变化。它们可以通过各种故障注入技术来实现，从时钟/电压毛刺到激光器的应用到Rowhammer。在本文中，我们探讨了逆向工程神经网络与故障攻击的使用的可能性。SNIFF代表符号位翻转故障，其通过改变中间值的符号来实现逆向工程。我们在深层特征提取器网络上开发了第一个精确的提取方法，该方法可证明允许恢复模型参数。我们对Keras库的实验表明，使用64位浮点数时，测试网络的参数恢复精度误差小于$10^{-13}$，这将现有技术提高了6个数量级。此外，我们还讨论了针对故障注入攻击的保护技术，这些技术可以用来增强系统的抗故障能力。
2023-02-28 cs.CR cs.LG
