論文の概要: Classifying Suspicious Content in Tor Darknet

• arxiv url: http://arxiv.org/abs/2005.10086v2
• Date: Thu, 21 May 2020 15:45:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-01 05:40:09.991926
• Title: Classifying Suspicious Content in Tor Darknet
• Title（参考訳）: Tor Darknetにおける注目コンテンツ分類
• Authors: Eduardo Fidalgo Fernandez, Roberto Andr\'es Vasco Carofilis, Francisco J\'a\~nez Martino and Pablo Blanco Medina
• Abstract要約: 本稿では,Semantic Attention Keypoint Filteringを用いたTor Darknet画像の自動分類について検討する。 我々は、CNN機能に対してカスタムTorイメージデータセット上でSAKFを評価し、87.98%の精度を実現し、他のすべてのアプローチよりも優れた結果を得た。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the tasks of law enforcement agencies is to find evidence of criminal activity in the Darknet. However, visiting thousands of domains to locate visual information containing illegal acts manually requires a considerable amount of time and resources. Furthermore, the background of the images can pose a challenge when performing classification. To solve this problem, in this paper, we explore the automatic classification Tor Darknet images using Semantic Attention Keypoint Filtering, a strategy that filters non-significant features at a pixel level that do not belong to the object of interest, by combining saliency maps with Bag of Visual Words (BoVW). We evaluated SAKF on a custom Tor image dataset against CNN features: MobileNet v1 and Resnet50, and BoVW using dense SIFT descriptors, achieving a result of 87.98% accuracy and outperforming all other approaches.
• Abstract（参考訳）: 法執行機関の任務の一つはダークネットで犯罪行為の証拠を見つけることである。 しかし、何千ものドメインを訪れて違法行為を含む視覚情報を見つけるには、かなりの時間とリソースが必要となる。 さらに、画像の背景は分類を行う際に課題となることがある。 本稿では,関心の対象に属さない画素レベルで,非重要な特徴をフィルタリングする戦略であるセマンティック・アテンション・キーポイント・フィルタリング(Semantic Attention Keypoint Filtering)を用いたTor Darknet画像の自動分類について検討する。 我々は、mobilenet v1、resnet50、bovwといったcnn機能に対応するカスタムtorイメージデータセットでsakfを評価し、87.98%の精度で、他のすべてのアプローチを上回った。

関連論文リスト

• When the Few Outweigh the Many: Illicit Content Recognition with Few-Shot Learning [0.0]
  本稿では,画像から違法行為を認識するための代替手法について検討する。 シームズニューラルネットワークは10クラスのデータセット上で20ショットの実験で90.9%に達する。
  論文  参考訳（メタデータ） (2023-11-28T18:28:03Z)
• DeepTaster: Adversarial Perturbation-Based Fingerprinting to Identify Proprietary Dataset Use in Deep Neural Networks [34.11970637801044]
  我々は、被害者のデータを不正に使用して容疑者モデルを構築するシナリオに対処する、新しいフィンガープリント技術であるDeepTasterを紹介した。 これを実現するために、DeepTasterは摂動を伴う逆画像を生成し、それらをフーリエ周波数領域に変換し、これらの変換された画像を使用して被疑者モデルで使用されるデータセットを識別する。
  論文  参考訳（メタデータ） (2022-11-24T11:10:54Z)
• Inferring Offensiveness In Images From Natural Language Supervision [20.294073012815854]
  ウェブから自動的に取り除かれた大規模な画像データセットには、カテゴリや攻撃的なイメージといった軽蔑的な用語が含まれる可能性がある。 我々は、事前学習されたトランスフォーマー自体が、大規模ビジョンデータセットの自動キュレーションのための方法論を提供することを示した。
  論文  参考訳（メタデータ） (2021-10-08T16:19:21Z)
• Exploring Structure Consistency for Deep Model Watermarking [122.38456787761497]
  Deep Neural Network(DNN)の知的財産権(IP)は、代理モデルアタックによって簡単に盗まれる。 本稿では,新しい構造整合モデルウォーターマーキングアルゴリズムを設計した新しい透かし手法,すなわち構造整合性'を提案する。
  論文  参考訳（メタデータ） (2021-08-05T04:27:15Z)
• Content-Based Detection of Temporal Metadata Manipulation [91.34308819261905]
  画像の撮像時間とその内容と地理的位置とが一致しているかどうかを検証するためのエンドツーエンドのアプローチを提案する。 中心となる考え方は、画像の内容、キャプチャ時間、地理的位置が一致する確率を予測するための教師付き一貫性検証の利用である。 我々のアプローチは、大規模なベンチマークデータセットの以前の作業により改善され、分類精度が59.03%から81.07%に向上した。
  論文  参考訳（メタデータ） (2021-03-08T13:16:19Z)
• Data Augmentation for Object Detection via Differentiable Neural Rendering [71.00447761415388]
  注釈付きデータが乏しい場合、堅牢なオブジェクト検出器を訓練することは困難です。 この問題に対処する既存のアプローチには、ラベル付きデータからラベル付きデータを補間する半教師付き学習が含まれる。 オブジェクト検出のためのオフラインデータ拡張手法を導入し、新しいビューでトレーニングデータを意味的に補間する。
  論文  参考訳（メタデータ） (2021-03-04T06:31:06Z)
• Identity-Driven DeepFake Detection [91.0504621868628]
  アイデンティティ駆動のDeepFake Detectionは、被疑者画像/ビデオとターゲットのアイデンティティ情報を入力する。 被疑者画像・映像の同一性は対象人物と同一かという判断を出力する。 本稿では,新たな研究のベースラインとして,簡単な識別ベース検出アルゴリズムであるouterfaceを提案する。
  論文  参考訳（メタデータ） (2020-12-07T18:59:08Z)
• D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and Localization [108.8592577019391]
  画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。 画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。 D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-03T10:54:02Z)
• Perceptual Hashing applied to Tor domains recognition [0.0]
  本稿では,F-DNS ( Frequency-Dominant Neighborhood Structure) を導入し,領域の自動分類手法を提案する。 提案手法はTor画像の98.75%の精度を達成し,他の手法を上回った。
  論文  参考訳（メタデータ） (2020-05-20T14:53:36Z)
• Self-Supervised Viewpoint Learning From Image Collections [116.56304441362994]
  本稿では,解析・合成パラダイムを取り入れた新たな学習フレームワークを提案する。 提案手法は,人間の顔,車,バス,電車など,複数の対象カテゴリに対して,完全に教師されたアプローチに対して競争力を発揮することを示す。
  論文  参考訳（メタデータ） (2020-04-03T22:01:41Z)
• SafeNet: An Assistive Solution to Assess Incoming Threats for Premises [0.9558392439655015]
  SafeNetは、コンテキスト指向の画像記述を生成し、着信脅威を評価する統合支援システムである。 システムの主な機能には、人間の検出と識別が含まれる。 システムと対話するために,顔画像やビデオからパーソナライズされたプロフィールを作成するダイアログ対応インタフェースを実装した。
  論文  参考訳（メタデータ） (2020-01-27T04:33:02Z)

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。