論文の概要: Hybrid Cryptocurrency Pump and Dump Detection

• arxiv url: http://arxiv.org/abs/2003.06551v1
• Date: Sat, 14 Mar 2020 04:38:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-23 20:11:01.399188
• Title: Hybrid Cryptocurrency Pump and Dump Detection
• Title（参考訳）: ハイブリッド暗号通貨ポンプとダンプ検出
• Authors: Hadi Mansourifar, Lin Chen, Weidong Shi
• Abstract要約: 距離と密度の指標に基づく新しいハイブリッドポンプ・ダンプ検出手法を提案する。 実験の結果, 提案手法は, 上位の交換対におけるP&D活動の大多数を確実に検出できることがわかった。
• 参考スコア（独自算出の注目度）: 8.980511077702197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Increasingly growing Cryptocurrency markets have become a hive for scammers to run pump and dump schemes which is considered as an anomalous activity in exchange markets. Anomaly detection in time series is challenging since existing methods are not sufficient to detect the anomalies in all contexts. In this paper, we propose a novel hybrid pump and dump detection method based on distance and density metrics. First, we propose a novel automatic thresh-old setting method for distance-based anomaly detection. Second, we propose a novel metric called density score for density-based anomaly detection. Finally, we exploit the combination of density and distance metrics successfully as a hybrid approach. Our experiments show that, the proposed hybrid approach is reliable to detect the majority of alleged P & D activities in top ranked exchange pairs by outperforming both density-based and distance-based methods.
• Abstract（参考訳）: 仮想通貨市場の成長は、為替市場で異常な活動と見なされているポンプやダンプスキームを詐欺師が実行するための隠れ家になりつつある。 時系列における異常検出は、すべてのコンテキストにおける異常を検出するのに既存の手法では十分ではないため、難しい。 本稿では,距離と密度の指標に基づく新しいハイブリッドポンプとダンプ検出手法を提案する。 まず,距離に基づく異常検出のための新しいスレッシュ古い設定法を提案する。 第二に,密度に基づく異常検出のための密度スコアと呼ばれる新しい指標を提案する。 最後に、密度と距離のメトリクスの組み合わせをハイブリッドアプローチとしてうまく活用する。 実験の結果,提案手法は,密度ベースと距離ベースの両方の手法を上回ることで,上位ランクの交換対におけるp&d活動の多数を検出できることがわかった。

関連論文リスト

• Assessing the Impact of a Supervised Classification Filter on Flow-based Hybrid Network Anomaly Detection [0.0]
  本稿では,ネットワーク異常検出における教師付きフィルタ(分類器)の影響を計測することを目的とする。 異常検出器のプリフィルタとして機能するバイナリ分類器をプリコンパイルすることにより,最先端のオートエンコーダに基づく異常検出手法を拡張した。 実験結果から,本手法は単独の異常検知器よりも,既知の攻撃の検出率が高いことが示唆された。
  論文  参考訳（メタデータ） (2023-10-10T14:30:04Z)
• Don't Miss Out on Novelty: Importance of Novel Features for Deep Anomaly Detection [64.21963650519312]
  異常検出(AD)は、正規性の学習モデルに適合しない観察を識別する重要なタスクである。 本稿では, 入力空間における説明不能な観測として, 説明可能性を用いた新しいAD手法を提案する。 当社のアプローチでは,複数のベンチマークにまたがる新たな最先端性を確立し,さまざまな異常な型を扱う。
  論文  参考訳（メタデータ） (2023-10-01T21:24:05Z)
• Sobolev Space Regularised Pre Density Models [51.558848491038916]
  本研究では,ソボレフ法則の正則化に基づく非パラメトリック密度推定法を提案する。 この方法は統計的に一貫したものであり、帰納的検証モデルを明確かつ一貫したものにしている。
  論文  参考訳（メタデータ） (2023-07-25T18:47:53Z)
• Multimodal Industrial Anomaly Detection via Hybrid Fusion [59.16333340582885]
  ハイブリッド核融合方式を用いた新しいマルチモーダル異常検出法を提案する。 本モデルでは,MVTecD-3 ADデータセットにおける検出精度とセグメンテーション精度の両面で,最先端(SOTA)手法より優れている。
  論文  参考訳（メタデータ） (2023-03-01T15:48:27Z)
• Composed Image Retrieval with Text Feedback via Multi-grained Uncertainty Regularization [73.04187954213471]
  粗い検索ときめ細かい検索を同時にモデル化する統合学習手法を提案する。 提案手法は、強いベースラインに対して+4.03%、+3.38%、+2.40%のRecall@50精度を達成した。
  論文  参考訳（メタデータ） (2022-11-14T14:25:40Z)
• InQMAD: Incremental Quantum Measurement Anomaly Detection [0.0]
  ストリーム異常検出(Streaming Anomaly detection)とは、データストリーム中の異常なデータサンプルを検出する問題を指す。 この問題は、古典的および深い異常検出手法が対処するように設計されていないという問題を引き起こす。 連続密度推定を行うインクリメンタルな異常検出手法を提案する。
  論文  参考訳（メタデータ） (2022-10-11T00:22:34Z)
• Multi-Agent Active Search using Detection and Location Uncertainty [6.587280549237275]
  アクティブ検索アルゴリズムは、検出の不確実性と位置不確実性という2つのタイプの不確実性とを競合しなければならない。 まず,ターゲット検出と位置不確実性の両方を共同で扱う推論手法を提案する。 次に、トンプソンサンプリングを用いて、分散マルチエージェント能動探索を可能にする意思決定アルゴリズムを構築する。
  論文  参考訳（メタデータ） (2022-03-09T04:53:37Z)
• Statistics and Deep Learning-based Hybrid Model for Interpretable Anomaly Detection [0.0]
  ハイブリッド手法は、予測タスクと予測タスクの両方において、純粋統計的および純粋深層学習法より優れていることが示されている。 MES-LSTMは、これらの課題を克服する解釈可能な異常検出モデルである。
  論文  参考訳（メタデータ） (2022-02-25T14:17:03Z)
• ESAD: End-to-end Deep Semi-supervised Anomaly Detection [85.81138474858197]
  正規データと異常データの間のKL偏差を計測する新たな目的関数を提案する。 提案手法は,複数のベンチマークデータセットの最先端性能を著しく上回っている。
  論文  参考訳（メタデータ） (2020-12-09T08:16:35Z)
• Semi-Supervised Learning with Variational Bayesian Inference and Maximum Uncertainty Regularization [62.21716612888669]
  半教師付き学習(SSL)を改善するための2つの一般的な方法を提案する。 第一に、重量摂動(WP)を既存のCR(Consistency regularization)ベースの手法に統合する。 第2の手法は「最大不確実性正規化(MUR)」と呼ばれる新しい整合性損失を提案する。
  論文  参考訳（メタデータ） (2020-12-03T09:49:35Z)

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。