Social-HUMINT：用LLM量化社交媒体暴露风险

论文用LLM流水线量化社交媒体画像精度与社工攻击易感性

资讯摘要

论文提出Social-HUMINT统一框架，将SOCMINT与Cyber-HUMINT整合为覆盖网络威胁情报生命周期的38项能力分类体系，专家验证Fleiss' κ=0.92。作者将其核心路径实现为LLM增强多智能体流水线，在真实参与者公开数据上评估：信息抽取F1达97.3%，推断属性评分4.73/5，并能以显著高于随机的水平预测目标对个性化接触选项的排序。

要点速读

1. 论文将SOCMINT与Cyber-HUMINT统一为38项能力的分类体系，专家验证一致性κ=0.92
2. LLM多智能体流水线在真实公开数据上抽取F1=97.3%，推断属性评分4.73/5，成本很低
3. 流水线通过预测目标对个性化接触选项的排序来间接评估易感性，准确率显著高于随机

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。