知识卡片：Social-HUMINT——衡量社交媒体暴露面的 LLM 增强统一框架

一句话结论

Social-HUMINT 把“社交媒体情报（SOCMINT）”与“网络人力情报（Cyber-HUMINT）”统一为一套经专家验证的 38 项能力分类体系，并用 LLM 多智能体流水线把“提取—推断—易感性评估”落地为可量化的暴露面测量，在真实参与者公开数据上显著优于规则与 NER 基线。

事件概述或研究问题

• 背景：后 API 时代，LLM 能从非结构化内容中抽取结构化信息，并推断用户从未披露的属性，社交媒体画像变得廉价且自动化。
• 核心命题：一个人的真实暴露面不在于其发布了什么，而在于能从其发布内容中推断出什么；随着这类实践常态化，社会工程攻击的暴露成为“运营上的必然”。
• 研究问题：如何量化“目标被画像的准确度”以及“该画像在多大程度上支撑社会工程攻击”，从而为评估与缓解提供共享框架。

方法/产品要点

• 分类体系：将原本各自独立发展的 SOCMINT 与 Cyber-HUMINT 合并为单一、有理论依据（doctrine-grounded）的分类体系，覆盖网络威胁情报生命周期的 38 项能力；其中用户画像被定位为连接“被动采集”与“主动接触”的桥梁。
• 专家验证：领域专家对该分类体系进行验证，Fleiss' κ = 0.92。
• 流水线：将核心路径（信息提取、属性推断、易感性评估）实现为 LLM 增强的多智能体流水线，在真实参与者的公开数据上评估。
• 易感性评估方式：不直接测量，而是让流水线预测每个目标对个性化接触选项的排序，并与实际选择对比；匹配程度显著高于随机水平，以此捕捉定制化攻击所依赖的“个性化”能力。
• 定位：增强而非替代安全分析师的 tradecraft；让防御方能在对手之前评估自身暴露面。

主要结果或产业意义

• 画像准确性：信息提取达到 F1 = 97.3%；推断属性得分 4.73/5。
• 基线对比：上述指标均远高于基于规则（rule-based）和基于 NER 的基线，且成本可忽略。
• 易感性：流水线对个性化接触选项排序的预测与实际选择显著高于随机，说明该框架可间接量化“被定制化攻击利用”的程度。
• 产业意义：为安全团队提供一套可复用的暴露面评估与缓解框架，把原本分散的社媒情报与人力情报实践纳入统一、可验证的能力清单。

为什么重要

• 把“社交媒体暴露”从模糊的风险感知转为可测量的指标（画像准确度 + 易感性预测），使防御方能够量化自身风险。
• 统一两套长期分离的个人中心情报学科，填补了现有模型无法覆盖“从被动采集到主动接触”全连续体的空白。
• 在 LLM 使画像成本趋近于零的背景下，提供了评估与缓解社会工程攻击暴露的共享语言。

局限与不确定性

• 摘要未说明参与者规模、数据来源与伦理审查细节，待核实。
• “显著高于随机”的具体统计量与效应量未在摘要中给出，待核实。
• 易感性评估为间接代理指标（排序预测），其与真实攻击成功率之间的关系待核实。
• 分类体系的 38 项能力具体条目、跨领域泛化能力待核实。
• 论文发表信息：arXiv 2610.31573v1，2026-10-22，cs.CR（主类），cs.AI、cs.SI。

可用于图书/PPT/简报的角度

• “你发布的不是你暴露的”：从内容本身转向可推断信息，作为 LLM 时代隐私风险的引子。
• 后 API 时代的画像经济学：成本趋近于零的自动化画像如何改变攻防不对称。
• 学科融合案例：SOCMINT + Cyber-HUMINT 如何合并为一套经 κ 验证的能力分类体系。
• 可测量的安全：用 F1、属性评分与排序预测把“暴露面”变成仪表盘指标。
• 防御方先行：在对手之前自测暴露面，作为安全运营的新环节。

原始材料

• 标题：Social-HUMINT: An LLM-Augmented Unified Framework for Measuring Social Media Exposure
• 作者：Pellegrino Casoria, Simon Pietro Romano
• arXiv ID：2610.31573v1（2026-10-22）
• 分类：cs.CR（主类）、cs.AI、cs.SI
• 摘要页：https://arxiv.org/abs/2610.31573v1
• PDF：https://arxiv.org/pdf/2610.31573v1

与既有脉络的关系

本卡片聚焦“LLM 增强的社交媒体暴露面测量框架”，与既有卡片（DynaKRAG 的 RAG 证据控制、PlayTrain 的 LLM+RL 游戏生成、戴姆勒卡车可解释性需求工程）在主题上无直接重叠；其增量在于把 LLM 能力用于安全情报领域的“画像—易感性”量化评估，可作为 LLM 在安全与隐私交叉应用方向的新参考点。