每天 0 点更新数据,热度根据全网互动数计算
最热 · 今天
最新
Evaluating Large Language Models' Capability to Launch Fully Automated Spear Phishing Campaigns: Validated on Human Subjects
2024年11月30日
在本文中,我们评估了大型语言模型进行个性化网络钓鱼攻击的能力,并将其性能与人类专家和去年的人工智能模型进行了比较。我们包括了四个电子邮件组,共有101名参与者:一个对照组,收到随机生成的网络钓鱼邮件,点击率(收件人点击了邮件中的链接)为12%;由人类专家生成的邮件(点击率为54%);完全由AI自动生成的邮件(点击率为54%);以及利用人在回路的AI邮件(点击率为56%)。因此,AI自动生成的攻击与人类专家的表现相当,比对照组高出350%。这些结果比去年类似研究的结果有了显著的改进,突显了人工智能模型欺骗能力的增强。我们的AI自动生成的邮件使用了一个定制工具,该工具自动化了整个鱼叉式网络钓鱼过程,包括信息收集和为每个目标创建个性化的漏洞档案。AI收集的信息在88%的情况下是准确且有用的,只有4%的参与者收到了不准确的档案。我们还使用语言模型来检测邮件的意图。Claude 3.5 Sonnet 的得分超过90%,误报率低,并检测出了一些看似无害但通过了人工检测的邮件。最后,我们分析了网络钓鱼的经济性,强调了AI如何使攻击者能够以更低的成本针对更多个人,并将盈利能力提高多达50倍,特别是在较大的受众群体中。
196
热度
PDF
解读
Fast proxy centers for Jeffreys centroids: The Jeffreys-Fisher-Rao and the inductive Gauss-Bregman centers
2024年10月18日
对称的Kullback-Leibler中心点,也称为Jeffreys中心点,是测度空间上一组相互绝对连续的概率分布的中心性概念,在信息检索、信息融合以及图像、视频和声音处理中的聚类任务中被证明是有用的。然而,对于分类分布和正态分布这两类广泛使用的统计模型,Jeffreys中心点没有闭式解,因此在实际应用中需要进行数值近似。在本文中,我们首先提出了新的Jeffreys-Fisher-Rao中心点,定义为两侧Kullback-Leibler中心点的Fisher-Rao中点,作为Jeffreys中心点的替代方案。这个Jeffreys-Fisher-Rao中心点对于单参数指数族分布具有通用公式,并且对于分类分布和正态分布有闭式解,与相同均值的正态分布的Jeffreys中心点完全匹配,并且在实践中观察到它与Jeffreys中心点非常接近。其次,我们定义了一种新的归纳中心点,推广了给定指数族中任意两个密度的Gauss算术几何双序列均值原则。实验表明,这种中心点可以很好地近似Jeffreys中心点,并建议在Jeffreys-Fisher-Rao中心点没有闭式解时使用。此外,这种Gauss-Bregman归纳中心点总是收敛,并且对于相同均值的正态分布集合与Jeffreys中心点匹配。我们报告了实验结果,展示了使用Jeffreys-Fisher-Rao中心点和Gauss-Bregman中心点代替Jeffreys中心点的效果。最后,我们通过信息几何中对偶平坦空间的视角重新解释了这些快速代理中心点。
122
热度
PDF
解读
3-Majority and 2-Choices with Many Opinions
2025年03月04日
我们首次提出了关于同步共识动态(特别是3-Majority和2-Choices)在任意数量意见下的几乎最优的共识时间界限。在同步共识动态中,我们考虑一个具有自环的完全图,该图有$n$个顶点,每个顶点持有一个来自集合$\{1,\dots,k\}$的意见。在每个离散时间轮次中,所有顶点根据给定的协议同时更新它们的意见。目标是达成一致,即所有顶点支持相同的意见。 在3-Majority中,每个顶点随机选择三个邻居(可以重复),并将其意见更新为多数意见,平局时随机打破。在2-Choices中,每个顶点随机选择两个邻居(可以重复)。如果选定的顶点持有相同的意见,则该顶点采纳该意见;否则,它保留当前的意见直到下一轮。 在此基础上,我们改进了之前一系列的工作[Becchetti等人, SPAA'14]、[Becchetti等人, SODA'16]、[Berenbrink等人, PODC'17]和[Ghaffari和Lengler, PODC'18],证明了对于每一个$2 \le k \le n$,3-Majority(或2-Choices)分别以高概率在$\widetilde{\Theta}(\min\{k,\sqrt{n}\})$(或$\widetilde{\Theta}(k)$)轮内达成共识。在这项工作之前,3-Majority的最佳已知上界是当$k \ll n^{1/3}$时为$\widetilde{O}(k)$,其他情况下为$\widetilde{O}(n^{2/3})$;而对于2-Choices,当$k \ll \sqrt{n}$时,共识时间为$\widetilde{O}(k)$。
65
热度
PDF
解读