論文の概要: Disrupting Resilient Criminal Networks through Data Analysis: The case
of Sicilian Mafia
- arxiv url: http://arxiv.org/abs/2003.05303v1
- Date: Tue, 10 Mar 2020 12:42:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 21:40:49.666256
- Title: Disrupting Resilient Criminal Networks through Data Analysis: The case
of Sicilian Mafia
- Title(参考訳): データ分析によるレジリエンス犯罪ネットワークの破壊:シチリア・マフィアの事例
- Authors: Lucia Cavallaro, Annamaria Ficara, Pasquale De Meo, Giacomo Fiumara,
Salvatore Catanese, Ovidiu Bagdasar and Antonio Liotta
- Abstract要約: 実世界の2つのデータセットに基づいて,シチリア・マフィア・ギャングの構造を明らかにした。
私たちはそれらを効率的に破壊する方法についての洞察を得る。
我々の研究は、犯罪やテロリストのネットワークに対処するための重要な実践的応用を持っている。
- 参考スコア(独自算出の注目度): 3.863757719887419
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Compared to other types of social networks, criminal networks present hard
challenges, due to their strong resilience to disruption, which poses severe
hurdles to law-enforcement agencies. Herein, we borrow methods and tools from
Social Network Analysis to (i) unveil the structure of Sicilian Mafia gangs,
based on two real-world datasets, and (ii) gain insights as to how to
efficiently disrupt them. Mafia networks have peculiar features, due to the
links distribution and strength, which makes them very different from other
social networks, and extremely robust to exogenous perturbations. Analysts are
also faced with the difficulty in collecting reliable datasets that accurately
describe the gangs' internal structure and their relationships with the
external world, which is why earlier studies are largely qualitative, elusive
and incomplete. An added value of our work is the generation of two real-world
datasets, based on raw data derived from juridical acts, relating to a Mafia
organization that operated in Sicily during the first decade of 2000s. We
created two different networks, capturing phone calls and physical meetings,
respectively. Our network disruption analysis simulated different intervention
procedures: (i) arresting one criminal at a time (sequential node removal); and
(ii) police raids (node block removal). We measured the effectiveness of each
approach through a number of network centrality metrics. We found Betweeness
Centrality to be the most effective metric, showing how, by neutralizing only
the 5% of the affiliates, network connectivity dropped by 70%. We also
identified that, due the peculiar type of interactions in criminal networks
(namely, the distribution of the interactions frequency) no significant
differences exist between weighted and unweighted network analysis. Our work
has significant practical applications for tackling criminal and terrorist
networks.
- Abstract(参考訳): 他のタイプのソーシャルネットワークと比較すると、犯罪ネットワークは破壊に対する強い弾力性があり、法執行機関に厳しいハードルをもたらすため、困難な課題を呈している。
ここでは ソーシャルネットワーク分析から 手法やツールを借りて
(i)現実世界の2つのデータセットに基づくシチリアマフィアギャングの構造を明らかにし、
(ii)それらを効率的にディスラプトする方法についての洞察を得る。
マフィアネットワークには、リンクの分布と強度により、他のソーシャルネットワークとは大きく異なる特徴があり、外因性摂動に対して非常に堅牢である。
アナリストはまた、ギャングの内部構造と外界との関係を正確に記述する信頼できるデータセットの収集が困難であることに直面している。
私たちの研究の付加価値は、2000年代前半にシチリアで活動したマフィア組織に関連する、法律的な行為に由来する生のデータに基づく、2つの現実世界のデータセットの生成です。
2つの異なるネットワークを作り、それぞれ電話と物理的な会議を捉えました。
ネットワーク破壊分析は 異なる介入手順をシミュレートしました
一 一度に一人の犯罪者を逮捕すること(次回的ノード削除)
(ii)警察の襲撃(ノードの取り外し)。
各アプローチの有効性を,複数のネットワーク集中度指標を用いて測定した。
その中では、アフィリエイトの5%だけを中和することで、ネットワーク接続が70%低下したことを示す。
また,重み付きネットワーク分析と非重み付きネットワーク分析では,犯罪ネットワークにおける特異な相互作用タイプ(すなわち相互作用頻度の分布)が有意な差は認められなかった。
我々の研究は犯罪やテロリストのネットワークに対処するための重要な実践的応用を持っている。
関連論文リスト
- Differentially Private Data Release on Graphs: Inefficiencies and Unfairness [48.96399034594329]
本稿では,ネットワーク情報公開の文脈における偏見と不公平性に対する差別的プライバシの影響を特徴づける。
ネットワーク構造が全員に知られているネットワークリリースの問題を考えるが、エッジの重みをプライベートにリリースする必要がある。
我々の研究は、これらのネットワーク化された決定問題におけるプライバシーに起因する偏見と不公平性に関する理論的根拠と実証的な証拠を提供する。
論文 参考訳(メタデータ) (2024-08-08T08:37:37Z) - Network Fault-tolerant and Byzantine-resilient Social Learning via
Collaborative Hierarchical Non-Bayesian Learning [2.236663830879273]
通信障害や敵攻撃に弱いネットワーク上での非ベイズ学習の問題に対処する。
まず,パケットドロップリンクの頻繁な障害に拘わらず,平均コンセンサスを達成できる階層的頑健なプッシュサムアルゴリズムを提案する。
次に,パケットドロップによるフォールトトレラントな非ベイズ学習アルゴリズムを提案し,コンバージェンス保証を実現する。
論文 参考訳(メタデータ) (2023-07-27T15:46:46Z) - Enabling Inter-organizational Analytics in Business Networks Through
Meta Machine Learning [0.0]
センシティブな情報を開示すると同時に、交換が必要なデータの量の多さが、効果的なシステムワイドソリューションの創出の鍵となるインヒビターである。
本稿では,これらの障害に対処し,ビジネスネットワーク内の包括的分析を可能にするメタ機械学習手法を提案する。
論文 参考訳(メタデータ) (2023-03-28T09:06:28Z) - Stereoscopic Universal Perturbations across Different Architectures and
Datasets [60.021985610201156]
本研究では,画像の逆摂動が不均一性推定タスクの深部ステレオマッチングネットワークに与える影響について検討する。
本稿では,データセット内の任意のステレオ画像対に追加されると,ステレオネットワークを騙すことのできる,単一の摂動セットを構築する方法を提案する。
我々の摂動は、最先端のステレオネットワークのD1エラーを1%から87%に増やすことができる。
論文 参考訳(メタデータ) (2021-12-12T02:11:31Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳(メタデータ) (2021-07-29T00:02:06Z) - Measuring the impact of spammers on e-mail and Twitter networks [0.0]
本稿では,大量の無関係情報や非孤立情報(一般に「スパマー」と呼ばれる)の送信者が,ソーシャルネットワークのネットワーク構造を歪めているかどうかを検討する。
大手通信企業に関するTwitterの談話から最初に抽出された2つの大きなソーシャルネットワークと、大規模多国籍企業で働く200人のマネージャによる3年間の電子メールコミュニケーションから得られた2つが分析されている。
その結果,スパマーは社会指標の大部分において,情報搬送ネットワークの構造を著しく変えていないことがわかった。
論文 参考訳(メタデータ) (2021-05-21T10:13:11Z) - Robustness and stability of enterprise intranet social networks: The
impact of moderators [0.0]
我々は約1万2000人の従業員が投稿した5万2000件以上のメッセージを分析した。
我々は、フォーラムモデレーター、スパマー、過度に接続されたノード、およびネットワーク周辺に横たわるノードを除去した。
オンラインコミュニティ管理者は,ネットワーク内フォーラムにおけるモデレーターの役割を理解するのに役立てることができる。
論文 参考訳(メタデータ) (2021-05-19T13:43:03Z) - Criminal Networks Analysis in Missing Data scenarios through Graph
Distances [5.164732466825455]
本稿では,異なる性質の9つの実犯罪ネットワークを解析する。
不完全なデータの影響を定量化し、どのネットワークタイプが最も影響を受けているかを決定する。
論文 参考訳(メタデータ) (2021-02-28T11:12:05Z) - Measurement-driven Security Analysis of Imperceptible Impersonation
Attacks [54.727945432381716]
本稿では,ディープニューラルネットワークを用いた顔認識システムの実用性について検討する。
皮膚の色,性別,年齢などの要因が,特定の標的に対する攻撃を行う能力に影響を及ぼすことを示す。
また,攻撃者の顔のさまざまなポーズや視点に対して堅牢なユニバーサルアタックを構築する可能性についても検討した。
論文 参考訳(メタデータ) (2020-08-26T19:27:27Z) - Bridging Mode Connectivity in Loss Landscapes and Adversarial Robustness [97.67477497115163]
我々は、モード接続を用いて、ディープニューラルネットワークの対角的堅牢性を研究する。
実験では、異なるネットワークアーキテクチャやデータセットに適用される様々な種類の敵攻撃について取り上げる。
以上の結果から,モード接続は,敵の強靭性を評価・改善するための総合的なツールであり,実用的な手段であることが示唆された。
論文 参考訳(メタデータ) (2020-04-30T19:12:50Z) - Firearm Detection and Segmentation Using an Ensemble of Semantic Neural
Networks [62.997667081978825]
本稿では,意味的畳み込みニューラルネットワークのアンサンブルに基づく兵器検出システムを提案する。
特定のタスクに特化した単純なニューラルネットワークのセットは、計算リソースを少なくし、並列にトレーニングすることができる。
個々のネットワークの出力の集約によって与えられるシステムの全体的な出力は、ユーザが偽陽性と偽陰性とをトレードオフするように調整することができる。
論文 参考訳(メタデータ) (2020-02-11T13:58:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。