Исследователи представили агентную систему для борьбы с мошенничеством в мессенджерах, способную анализировать диалоги длительностью в несколько недель. В отличие от традиционных инструментов, фокусирующихся на отдельных сообщениях, новая архитектура использует память на основе суммаризации. Это позволяет системе выявлять паттерны постепенного установления доверия и попытки кражи данных или средств, характерные для сложных атак социальной инженерии.
Основная проблема существующих решений заключается в их неспособности удерживать контекст длительных переписок. Мошенники часто растягивают процесс подготовки жертвы на месяцы, что делает невозможным обнаружение угрозы через классический анализ отдельных сообщений. Предложенный подход внедряет механизм суммаризации, который сжимает историю общения в структурированное представление, сохраняя ключевые маркеры манипулятивного поведения.
Система работает как агент, который в фоновом режиме отслеживает динамику диалога и оценивает вероятность злонамеренных намерений собеседника. Использование суммаризации позволяет эффективно управлять контекстным окном модели, не теряя при этом критически важные детали, накопленные за долгое время взаимодействия. Такой подход повышает точность детекции угроз, которые ранее оставались незамеченными для автоматизированных фильтров безопасности.
Ключевые факты
- Система разработана для противодействия мошенничеству, которое развивается в течение недель или месяцев.
- Ключевой компонент архитектуры — память на основе суммаризации, позволяющая анализировать долгосрочные контексты диалогов.
- Метод направлен на выявление тактик постепенного формирования доверия, используемых в социальной инженерии.
- Решение превосходит традиционные системы, которые ограничены анализом изолированных сообщений.