Newest papers

Social-HUMINT: An LLM-Augmented Unified Framework for Measuring Social Media Exposure

Pellegrino Casoria, Simon Pietro Romano · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31573 · open-access PDF

Hindi

एपीआई के बाद परिदृश्य में, सोशल मीडिया प्रोफाइलिंग सस्ता और स्वचालित हो गया है: बड़े भाषा मॉडल (एलएलएम) गैर संरचित सामग्री से संरचित जानकारी निकाल सकते हैं और उपयोगकर्ताओं को कभी भी प्रकट नहीं किए जाने वाले गुणों को निष्कर्षित कर सकते हैं। एक व्यक्ति का सच्चा संपर्क वह नहीं है जो वे पोस्ट करते हैं, बल्कि इससे क्या निष्कर्ष निकाला जा सकता है। जैसा कि ये प्रथाएं दिनचर्या में हो जाती हैं, सामाजिक इंजीनियरिंग हमलों के संपर्क एक परिचालन निश्चितता बन जाती है, जो मूल्यांकन और हानि के लिए एक साझा ढांचे की आवश्यकता होती है।

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

Abstract

In the post-API landscape, social-media profiling has become inexpensive and automated: Large Language Models (LLMs) can extract structured information from unstructured content and deduce attributes users never disclosed. A person's true exposure is not what they post but what can be inferred from it. As these practices become routine, exposure to social engineering attacks becomes an operational certainty, demanding a shared framework for assessment and mitigation. We make this exposure measurable by quantifying how accurately a target can be profiled, and how far that profile enables social

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

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