Newest papers

Your Token Is Gone: A Token-Consumption Countermeasure for Disrupting LLM-Based Scam Systems

Fudu Xing, Kailong Wang, Tianlong Yu · 2026 · arXiv

DOI: 10.48550/arXiv.2610.30666 · open-access PDF

Korean

LLM 기반 사기 시스템은 점점 더 적응적 대화, 지속적인 컨텍스트, 외부 도구 및 멀티 에이전트 조정을 결합하여 개인화된 사기를 자동화합니다.이 기능은 또한 리소스 의존성을 창출합니다 : 각 추론 단계, 모델 호출 및 조정 라운드에는 추론 비용이 발생합니다.우리는 TokenTrap을 소개합니다.이 도구는 자원 중심의 방어로 의심되는 사기 시스템을 양성, 낮은 가치의 계산으로 리디렉션하면서 신분증, 지불 및 기타 이용 가능한 정보를 저장합니다.TokenTrap은 세 가지 구성 요소를 결합합니다 : 아키텍처 특정 토큰 작업 라이브러리, 라우터를 선택합니다.

Machine translation (Meta M2M100); the English original follows.

Abstract

LLM-based scam systems increasingly combine adaptive dialogue, persistent context, external tools, and multi-agent coordination to automate personalized fraud. These capabilities also create a resource dependency: every reasoning step, model call, and coordination round incurs inference cost. We present TokenTrap, a resource-oriented defense that redirects suspected scam systems toward benign, low-value computation while withholding credentials, payments, and other exploitable information. TokenTrap combines three components: an architecture-specific token-task library, a router that selects a

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange