Provider: openai-compatible · Model: gemini-3.8-flash-high · Version: analysis-v1 · Time: 2026-10-23 11:14:10 +0000 UTC
{"tags": ["Social-HUMINT", "SOCMINT", "Cyber-HUMINT", "Cyber Threat Intelligence", "Social Engineering", "LLM Multi-Agent", "OSINT", "Privacy Inference"], "risks": ["Tin tặc có thể ứng dụng framework và pipeline tương tự để tự động hóa trinh sát và tiến hành tấn công lừa đảo phi kỹ thuật quy mô lớn với chi phí cực thấp.", "Nguy cơ xâm phạm quyền riêng tư nghiêm trọng khi thông tin cá nhân chưa từng công bố bị suy đoán và khai thác trái phép.", "Hiện tượng ảo giác (hallucination) hoặc thiên vị từ LLM có thể dẫn đến đánh giá sai lệch hồ sơ mục tiêu hoặc nhận định sai về độ nhạy cảm rủi ro."], "category": "Research", "entities": ["Social-HUMINT", "SOCMINT", "Cyber-HUMINT", "Cyber Threat Intelligence (CTI)", "Large Language Models (LLMs)"], "summary_vi": "Nghiên cứu giới thiệu Social-HUMINT, một khung làm việc hợp nhất giữa tình báo mạng xã hội (SOCMINT) và tình báo con người trên không gian mạng (Cyber-HUMINT) thành phân loại học 38 năng lực trong vòng đời Cyber Threat Intelligence (đạt Fleiss' κ = 0,92). Bằng cách khai thác pipeline đa tác nhân tích hợp LLM, hệ thống tự động trích xuất thông tin (F1 = 97,3%), suy luận thuộc tính người dùng chưa từng công bố (đạt 4,73/5) và đo lường độ nhạy cảm trước các đòn tấn công phi kỹ thuật (social engineering) thông qua việc dự đoán mức độ tương tác cá nhân hóa với chi phí cực thấp, hỗ trợ chuyên gia phòng thủ đánh giá phơi nhiễm trước khi bị kẻ xấu khai thác.", "key_changes": ["Hợp nhất hai phân ngành SOCMINT và Cyber-HUMINT thành taxonomy gồm 38 năng lực theo chuẩn học thuyết xuyên suốt vòng đời Cyber Threat Intelligence (Fleiss' κ = 0,92).", "Tái định nghĩa bản chất phơi nhiễm thông tin: rủi ro thực tế của mục tiêu không chỉ là nội dung đăng tải công khai mà là những thuộc tính ẩn có thể suy luận được từ dữ liệu đó bằng LLM.", "Hiện thực hóa chu trình trích xuất, suy luận và đánh giá bằng pipeline đa tác nhân (multi-agent) tích hợp LLM đạt độ chính xác F1 = 97,3% cho trích xuất và 4,73/5 cho suy luận thuộc tính, vượt xa các giải pháp quy tắc và NER truyền thống.", "Đo lường gián tiếp mức độ dễ bị tổn thương (susceptibility) thông qua việc dự đoán chính xác thứ tự ưu tiên các kịch bản tiếp cận cá nhân hóa của mục tiêu."], "sub_category": "Cyber Threat Intelligence & AI Security", "novelty_score": 82, "business_score": 80, "research_score": 88, "why_it_matters": "Trong bối cảnh LLM giúp việc lập hồ sơ mục tiêu từ mạng xã hội trở nên tự động và chi phí thấp, mức độ phơi nhiễm thực sự của cá nhân nằm ở những thông tin có thể bị suy luận ra chứ không chỉ là những gì đăng tải công khai. Khuôn khổ Social-HUMINT cung cấp phương pháp luận chuẩn xác để lượng hóa rủi ro này, giúp các tổ chức và chuyên gia an ninh mạng chuyển từ phòng thủ bị động sang chủ động đo lường và khắc phục mắt xích con người trước khi đối thủ tiến hành tấn công lừa đảo cá nhân hóa.", "developer_score": 75, "importance_score": 85, "possible_use_cases": ["Đánh giá mức độ phơi nhiễm thông tin và nguy cơ bị tấn công phi kỹ thuật (social engineering/spear phishing) cho nhân sự trọng yếu (C-level, VIP) trong doanh nghiệp.", "Hỗ trợ đội ngũ Red Team / Purple Team tự động hóa khâu thu thập thông tin tình báo (reconnaissance) và lập kịch bản tấn công thử nghiệm có độ cá nhân hóa cao.", "Trợ lực cho chuyên viên phân tích tình báo an ninh mạng (CTI analysts) tổng hợp thông tin tình báo nguồn mở (OSINT/SOCMINT) nhanh chóng với chi phí tối thiểu.", "Kiểm toán và xây dựng chính sách phòng chống lộ lọt thông tin gián tiếp do suy luận AI cho các tổ chức."], "actionability_score": 78}