ソーシャルメディアにおける感情認識型クリックベイト攻撃
arXiv cs.CL / 2026/5/1
📰 ニュースSignals & Early TrendsModels & Research
要点
- 本論文は、クリックベイトが単なる固定的な文章パターンではなく、感情のダイナミクスを明示的に狙って最適化し得ると主張している。
- Valence-Arousal-Dominance（VAD）空間に基づく枠組みにより、スタイル変換で感情的なインパクトを高める「感情認識型クリックベイト生成攻撃」を提案している。
- 現実的な攻撃シナリオを模擬するために、Sentence-BERTで意味的に近い投稿へクリックベイト見出しを対応付け、LLMで複数の文体リライトを生成する。
- Curiosity Gap（CG）関数を定義し、現在の投稿に対する見出しの変化がユーザーの好奇心をどれだけ高め、既存のソーシャルメディア検出を回避するのに寄与するかを定量化する。
- 実験では、感情を考慮した文体最適化により最先端の分類器の性能が大きく低下し、誤分類率が最大2.58%〜30.63%増加することを示している。
