論文の概要: I call BS: Fraud Detection in Crowdfunding Campaigns
- arxiv url: http://arxiv.org/abs/2006.16849v1
- Date: Tue, 30 Jun 2020 14:38:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 06:31:58.028360
- Title: I call BS: Fraud Detection in Crowdfunding Campaigns
- Title（参考訳）: bs:クラウドファンディングキャンペーンにおける不正検出
- Authors: Beatrice Perez, Sara R. Machado, Jerone T. A. Andrews, Nicolas
Kourtellis
- Abstract要約: チャリティーベースのクラウドファンディング環境への寄付はここ数年増加傾向にある。
我々は、さまざまなクラウドファンディングプラットフォームから収集されたデータを分析し、700件のキャンペーンを詐欺とみなす。
このような不正行為を90.14%の精度と96.01%のAUCで自動的に分類することができる。
- 参考スコア（独自算出の注目度）: 3.785123406103386
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Donations to charity-based crowdfunding environments have been on the rise in
the last few years. Unsurprisingly, deception and fraud in such platforms have
also increased, but have not been thoroughly studied to understand what
characteristics can expose such behavior and allow its automatic detection and
blocking. Indeed, crowdfunding platforms are the only ones typically performing
oversight for the campaigns launched in each service. However, they are not
properly incentivized to combat fraud among users and the campaigns they
launch: on the one hand, a platform's revenue is directly proportional to the
number of transactions performed (since the platform charges a fixed amount per
donation); on the other hand, if a platform is transparent with respect to how
much fraud it has, it may discourage potential donors from participating.
In this paper, we take the first step in studying fraud in crowdfunding
campaigns. We analyze data collected from different crowdfunding platforms, and
annotate 700 campaigns as fraud or not. We compute various textual and
image-based features and study their distributions and how they associate with
campaign fraud. Using these attributes, we build machine learning classifiers,
and show that it is possible to automatically classify such fraudulent behavior
with up to 90.14% accuracy and 96.01% AUC, only using features available from
the campaign's description at the moment of publication (i.e., with no user or
money activity), making our method applicable for real-time operation on a user
browser.
- Abstract（参考訳）: チャリティーベースのクラウドファンディング環境への寄付はここ数年増加傾向にある。
当然のことながら、こうしたプラットフォームにおける騙しや詐欺も増えてきたが、そのような振る舞いを露呈し、その自動検出とブロックを可能にする特性について、十分に研究されていない。
実際、クラウドファンディングプラットフォームは、一般的に各サービスで立ち上げられたキャンペーンの監視を行う唯一のものだ。
しかし、利用者の不正対策やキャンペーン開始へのインセンティブは正しくない:一方、プラットフォームの売上は取引数に直接比例する(プラットフォームは1回の寄付で一定額を請求する)が、一方、プラットフォームが不正行為の量に関して透明である場合、潜在的寄付者への参加を妨げかねない。
本稿では,クラウドファンディングキャンペーンにおける詐欺研究の一歩を踏み出した。
我々は、さまざまなクラウドファンディングプラットフォームから収集されたデータを分析し、700件のキャンペーンを詐欺とみなす。
さまざまなテキストおよび画像に基づく特徴を計算し,その分布とキャンペーン詐欺との関連性について検討する。
これらの属性を用いて、機械学習分類器を構築し、これらの不正行為を90.14%の精度と96.01%のAUCで自動的に分類できることを示し、キャンペーンの説明から利用可能な機能(例えば、ユーザやお金のアクティビティがない)を使用することで、ユーザブラウザ上でリアルタイムに操作することができる。
関連論文リスト
- Unraveling the Web of Disinformation: Exploring the Larger Context of State-Sponsored Influence Campaigns on Twitter [16.64763746842362]
我々は、様々な国を起源とする19の国が支援する偽情報キャンペーンをTwitterで調査した。
私たちは機械学習ベースの分類器を構築し、目に見えないキャンペーンから最大94%のアカウントを正しく識別できる。
また、当社のシステムを野放しにして、州が支援するオペレーションに属する可能性のあるアカウントを増やしています。
論文 参考訳（メタデータ） (2024-07-25T15:03:33Z) - Using Artificial Intelligence to Unlock Crowdfunding Success for Small Businesses [8.226509113718125]
我々は、AI技術の最新の進歩を利用して、クラウドファンディングキャンペーンの成功に影響を及ぼす重要な要因を特定します。
ベストパフォーマンスの機械学習モデルは、キャンペーンの81.0%の資金調達結果を正確に予測する。
大規模な言語モデルを用いて物語の3つの側面を拡大することにより、キャンペーンは83%の人間評価者にとってより好ましいものとなることを実証する。
論文 参考訳（メタデータ） (2024-04-24T20:53:10Z) - A Latent Dirichlet Allocation (LDA) Semantic Text Analytics Approach to
Explore Topical Features in Charity Crowdfunding Campaigns [0.6298586521165193]
本研究では、LDA(Latent Dirichlet Allocation)を用いて、チャリティキャンペーンのテキスト記述から潜在テーマを抽出する、革新的テキスト分析フレームワークを提案する。
この研究は4つの異なるテーマを探求し、それぞれ2つのキャンペーンとインセンティブの説明を行った。
この研究はランダムフォレストを用いて、主題的パラメータと数値的パラメータの両方を用いてキャンペーンの成功を予測することに成功した。
論文 参考訳（メタデータ） (2024-01-03T09:17:46Z) - Cybercrime Bitcoin Revenue Estimations: Quantifying the Impact of Methodology and Coverage [5.732759656069282]
サイバー犯罪ビットコインの収益を推定する最初の体系的な分析を行う。
広く信じられているのとは対照的に、収益は常に過小評価されているわけではない。
私たちは、初めて、(不足している)カバレッジが見積もりに与える影響を定量化します。
論文 参考訳（メタデータ） (2023-09-07T09:35:23Z) - Discrimination through Image Selection by Job Advertisers on Facebook [79.21648699199648]
求人広告における新たな差別手段の出現状況について検討する。
ターゲティングとデリバリーの両方を組み合わせ、求人広告画像の特定の人口層を不均等に表現したり排除したりする。
私たちはFacebook Ad Libraryを使って、このプラクティスの有病率を実証しています。
論文 参考訳（メタデータ） (2023-06-13T03:43:58Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - How COVID-19 Have Changed Crowdfunding: Evidence From GoFundMe [77.34726150561087]
この研究は、過去2年間にGoFundMeで公開されたすべてのキャンペーンのユニークなデータセットを使用する。
我々は、クラウドファンディングサイトに存在するカバーイメージやその他の変数を分析し、クラウドファンドされたプロジェクトのコーパスについて研究する。
論文 参考訳（メタデータ） (2021-06-18T08:03:58Z) - Auditing for Discrimination in Algorithms Delivering Job Ads [70.02478301291264]
我々は,求人広告配信における識別アルゴリズムのブラックボックス監査のための新しい手法を開発した。
最初のコントリビューションは、性別や人種などの保護されたカテゴリーによる、広告配信における歪の区別です。
第2に,他の要因と資格の違いによって説明可能なスクリューを区別する監査手法を開発する。
第3に、提案手法を求人広告のための2つの主要なターゲット広告プラットフォーム、FacebookとLinkedInに適用する。
論文 参考訳（メタデータ） (2021-04-09T17:38:36Z) - Keystroke Biometrics in Response to Fake News Propagation in a Global
Pandemic [77.79066811371978]
本研究では,キーストロークバイオメトリックスを用いたコンテンツ匿名化手法の提案と解析を行う。
フェイクニュースは、特に主要なイベントにおいて、世論を操作する強力なツールとなっている。
論文 参考訳（メタデータ） (2020-05-15T17:56:11Z) - Adversarial Attacks on Linear Contextual Bandits [87.08004581867537]
悪意のあるエージェントは、望ましい行動を実行するためにバンディットアルゴリズムを攻撃するインセンティブを持つ可能性がある。
悪意のあるエージェントは、線形コンテキストのバンドイットアルゴリズムに任意のアーム$T - o(T)$倍を$T$ステップで引き出すように強制することができる。
また,悪意のあるエージェントが単一コンテキストにおける帯域幅アルゴリズムの動作に影響を与えることに関心がある場合についても検討する。
論文 参考訳（メタデータ） (2020-02-10T15:04:09Z)
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。