ReDence: A Hybrid Agentic and Decision-Model Framework for Rapid, Evidence-Grounded Detection of Modern Social Engineering Scams
Pubblicata su AIChronos il · fonte del · Jaishnoor Kaur, Josef Horáček, Ian Waskom, Sayak Saha Roy
ReDence è un framework ibrido open-source progettato per la rilevazione rapida e basata su prove di truffe di social engineering (SE) online. Il sistema combina due modelli ospitati localmente: un agente investigativo multimodale fine-tuned basato su Qwen3.5-4B per il ragionamento complesso, e un modello specializzato Tev1 per le decisioni binarie o a scelta multipla. Questa architettura delega i compiti decisionali discreti al modello secondario riducendo la dipendenza da risposte lunghe dei grandi modelli linguistici, accelerando l'inferenza di almeno quattro volte rispetto ad agenti puri senza sacrificare la profondità investigativa.
- Il framework integra un agente Investigator multimodale fine-tuned per pianificazione e interpretazione delle prove con un Decider specializzato Tev1 per decisioni rapide.
- La delega dei compiti decisionali discreti a un modello dedicato riduce significativamente i tempi di inferenza rispetto agli agenti basati esclusivamente su LLM generici.
- ReDence raggiunge una precisione del 96% nel rilevare truffe in dodici categorie diverse, superando le prestazioni degli attuali detector esistenti.
- Il sistema genera report strutturati e ancorati alle prove che documentano azioni investigative ed evidenze contraddittorie per supportare l'audit indipendente da parte degli analisti.
- L'architettura ibrida permette di mantenere la capacità di ragionamento necessaria per indagini complesse mentre si ottiene una velocità operativa superiore.
Perché conta. Per gli sviluppatori che lavorano con LLM e agenti, ReDence offre un modello pratico per ottimizzare i costi computazionali e ridurre il tempo di inferenza delegando compiti specifici a modelli più piccoli ospitati localmente. Questo approccio ibrido è cruciale per implementare sistemi di sicurezza autonomi in ambienti dove la latenza e l'uso delle risorse sono vincoli critici.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.