論文の概要: Robust Spammer Detection by Nash Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2006.06069v3
• Date: Mon, 22 Jun 2020 23:10:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 06:44:01.692763
• Title: Robust Spammer Detection by Nash Reinforcement Learning
• Title（参考訳）: nash強化学習によるロバストスパマー検出
• Authors: Yingtong Dou, Guixiang Ma, Philip S. Yu, Sihong Xie
• Abstract要約: 我々は,スパマーとスパム検知器が互いに現実的な目標を競うミニマックスゲームを開発する。 提案アルゴリズムは,スパマーが混在するスパマーが実用目標を達成するのを確実に防止できる平衡検出器を確実に見つけることができることを示す。
• 参考スコア（独自算出の注目度）: 64.80986064630025
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online reviews provide product evaluations for customers to make decisions. Unfortunately, the evaluations can be manipulated using fake reviews ("spams") by professional spammers, who have learned increasingly insidious and powerful spamming strategies by adapting to the deployed detectors. Spamming strategies are hard to capture, as they can be varying quickly along time, different across spammers and target products, and more critically, remained unknown in most cases. Furthermore, most existing detectors focus on detection accuracy, which is not well-aligned with the goal of maintaining the trustworthiness of product evaluations. To address the challenges, we formulate a minimax game where the spammers and spam detectors compete with each other on their practical goals that are not solely based on detection accuracy. Nash equilibria of the game lead to stable detectors that are agnostic to any mixed detection strategies. However, the game has no closed-form solution and is not differentiable to admit the typical gradient-based algorithms. We turn the game into two dependent Markov Decision Processes (MDPs) to allow efficient stochastic optimization based on multi-armed bandit and policy gradient. We experiment on three large review datasets using various state-of-the-art spamming and detection strategies and show that the optimization algorithm can reliably find an equilibrial detector that can robustly and effectively prevent spammers with any mixed spamming strategies from attaining their practical goal. Our code is available at https://github.com/YingtongDou/Nash-Detect.
• Abstract（参考訳）: オンラインレビューは、顧客が意思決定するための製品評価を提供する。 残念ながら、この評価はプロのスパマーによる偽レビュー(スパム)を使って操作することができる。 スパム行為の戦略は、時間とともに素早く変化し、スパマーやターゲット製品によって異なり、そしてより批判的に、ほとんどのケースで未知のままであるため、捉えるのが難しい。 さらに、既存の検出器のほとんどは、製品評価の信頼性を維持するという目標に合致しない検出精度に重点を置いている。 これらの課題に対処するために,スパマーとスパム検知器が,検出精度にのみ基づかない現実的な目標を競うミニマックスゲームを定式化した。 ゲームのnash平衡は、任意の混合検出戦略に無依存な安定した検出器に繋がる。 しかし、ゲームには閉形式解がなく、典型的な勾配ベースのアルゴリズムを受け入れることは微分できない。 ゲームは2つの依存マルコフ決定プロセス(MDP)に変換され、マルチアームバンディットとポリシー勾配に基づく効率的な確率最適化が可能となる。 各種の最先端スパム・検出戦略を用いて3つの大規模なレビューデータセットを実験し、この最適化アルゴリズムにより、スパマーを混合スパマーで堅牢かつ効果的に防止できる平衡検出器を確実に見つけることができることを示す。 私たちのコードはhttps://github.com/yingtongdou/nash-detectで利用可能です。

関連論文リスト

• FLTracer: Accurate Poisoning Attack Provenance in Federated Learning [38.47921452675418]
  Federated Learning(FL)は、複数のクライアントが共同で共有グローバルモデルをトレーニングできる、有望な分散学習アプローチである。 近年の研究では、FLは様々な毒殺攻撃に弱いことが示されており、グローバルモデルの性能を低下させるか、バックドアを導入することができる。 FLTracerは、様々な攻撃を正確に検出し、攻撃時間、目的、タイプ、および更新の有毒な位置を追跡できる最初のFL攻撃フレームワークである。
  論文  参考訳（メタデータ） (2023-10-20T11:24:38Z)
• Unbalanced Optimal Transport: A Unified Framework for Object Detection [97.74382560746987]
  不均衡最適輸送がオブジェクト検出に対する異なるアプローチをどのように統合するかを示す。 非平衡最適輸送を用いた物体検出モデルの訓練が最先端に到達可能であることを示す。 このアプローチはGPUの実装に適しており、大規模なモデルに有利であることが証明されている。
  論文  参考訳（メタデータ） (2023-07-05T16:21:52Z)
• The Treasure Beneath Multiple Annotations: An Uncertainty-aware Edge Detector [70.43599299422813]
  既存のメソッドは、単純な投票プロセスを使用して複数のアノテーションを融合し、エッジ固有の曖昧さを無視し、アノテータのラベル付けバイアスを無視する。 多様なアノテーションの主観性とあいまいさを調査するために不確実性を利用した新しい不確実性認識エッジ検出器(UAED)を提案する。 UAEDは複数のエッジ検出ベンチマークで一貫したパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-03-21T13:14:36Z)
• Signed Latent Factors for Spamming Activity Detection [1.8275108630751844]
  署名された潜伏要因を利用して不正行為をフィルタリングする新しい試みを提案する。 複数のオンラインアプリケーションのスパム汚染されたリレーショナルデータセットは、統一された署名ネットワークによって解釈される。 様々な種類のWebアプリケーションの実世界のデータセットに対する実験は、LFMモデルがスパム行為の検出において最先端のベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2022-09-28T03:39:34Z)
• MEAD: A Multi-Armed Approach for Evaluation of Adversarial Examples Detectors [24.296350262025552]
  いくつかの攻撃戦略に基づいて検知器を評価するための新しいフレームワークMEADを提案する。 そのうちの1つは、攻撃を起こすための3つの新しい目的である。 提案したパフォーマンス指標は最悪のシナリオに基づいている。
  論文  参考訳（メタデータ） (2022-06-30T17:05:45Z)
• Jamming Pattern Recognition over Multi-Channel Networks: A Deep Learning Approach [88.72160601701937]
  インテリジェント・ジャムマーは、正統ノードによって追跡される確率を最小限に抑えるためにポリシーを変更することができる。 既存のジャミング法は、主に、不変なジャミングポリシーによるジャミング攻撃の軽減に焦点を当てているため、適用できない。 本稿では,ジャミング型認識技術とアンチジャミング手法を併用したジャミング型認識手法を提案する。
  論文  参考訳（メタデータ） (2021-12-19T04:29:23Z)
• Realtime Robust Malicious Traffic Detection via Frequency Domain Analysis [14.211671196458477]
  本稿では,リアルタイムMLに基づく不正なトラフィック検出システムであるWhisperを提案する。 42種類の攻撃で実験したところ、ウィスパーは様々な高度なステルス攻撃を正確に検出でき、少なくとも18.36%の改善が達成された。 様々な回避攻撃の下でも、Whisperは検出精度の約90%を維持することができる。
  論文  参考訳（メタデータ） (2021-06-28T13:38:05Z)
• A Robust Opinion Spam Detection Method Against Malicious Attackers in Social Media [0.0]
  これは、スマートスパマーがシステムに検出され、ブロックされることを恐れることなく、スパムの生成を継続できる方法で、システムを騙すことができる方法である。 頑健なグラフに基づくスパム検出手法を提案する。
  論文  参考訳（メタデータ） (2020-08-19T19:54:44Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)
• Detection as Regression: Certified Object Detection by Median Smoothing [50.89591634725045]
  この研究は、ランダム化平滑化による認定分類の最近の進歩によって動機付けられている。 我々は、$ell$-bounded攻撃に対するオブジェクト検出のための、最初のモデル非依存、トレーニング不要、認定された防御条件を得る。
  論文  参考訳（メタデータ） (2020-07-07T18:40:19Z)

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。