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

Japanese

API 後の環境では、ソーシャルメディアのプロファイリングは安価で自動化されています: 大きな言語モデル(LLMs)は、構造化されていないコンテンツから構造化された情報を抽出し、ユーザーが明らかにしたことがない属性を推定することができます。 人の本当の曝露は、彼らが投稿するものではなく、それから推定できるものです。 これらの慣行がルーチンになるにつれて、ソーシャルエンジニアリング攻撃への曝露は操作的確実性になり、評価と軽減のための共有フレームワークを必要とします。

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