論文の概要: A Robust Opinion Spam Detection Method Against Malicious Attackers in Social Media

• arxiv url: http://arxiv.org/abs/2008.08650v1
• Date: Wed, 19 Aug 2020 19:54:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-05 20:26:54.805918
• Title: A Robust Opinion Spam Detection Method Against Malicious Attackers in Social Media
• Title（参考訳）: ソーシャルメディアにおける悪意ある攻撃者に対するロバストオピニオンスパム検出法
• Authors: Amir Jalaly Bidgolya, Zoleikha Rahmaniana
• Abstract要約: 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。
• 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: Online reviews are potent sources for industry owners and buyers, however opportunistic people may try to destruct or promote their desired product by publishing fake comments named spam opinion. So far, many models have been developed to detect spam opinions, but none have addressed the issue of spam attack. It is a way a smart spammer can deceive the system in a manner in which he can continue generating spams without the fear of being detected and blocked by the system. In this paper, the spam attacks are discussed. Moreover, a robust graph-based spam detection method is proposed. The method respectively estimates honesty, trust and reliability values of reviews, reviewers, and products considering possible deception scenarios. The paper also presents the efficiency of the proposed method as compared to other graph-based methods through some case studies.
• Abstract（参考訳）: オンラインレビューは、業界オーナーや購入者にとって強力な情報源だが、機会に恵まれる人々は、スパム意見という偽のコメントを公表することで、自分たちの製品を破壊または宣伝しようとするかもしれない。 これまで、スパムの意見を検出するために多くのモデルが開発されてきたが、スパム攻撃の問題には対処していない。 これは、スマートスパマーがシステムによって検出され、ブロックされることを恐れずにスパムを生成し続けるように、システムをだますことができる方法である。 本稿では,スパム攻撃について述べる。 さらに,ロバストグラフに基づくスパム検出手法を提案する。 提案手法は, 疑似シナリオを考慮したレビュー, レビュー, レビュー, 製品の誠実さ, 信頼度, 信頼性値を推定する。 また,いくつかのケーススタディを通して,他のグラフベース手法と比較して,提案手法の有効性を示す。

関連論文リスト

• Confidence-driven Sampling for Backdoor Attacks [49.72680157684523]
  バックドア攻撃は、悪質なトリガをDNNモデルに過剰に挿入することを目的としており、テストシナリオ中に不正な制御を許可している。 既存の方法では防衛戦略に対する堅牢性が欠如しており、主に無作為な試薬を無作為に選別しながら、引き金の盗難を強化することに重点を置いている。 信頼性スコアの低いサンプルを選別し、これらの攻撃を識別・対処する上で、守備側の課題を著しく増大させる。
  論文  参考訳（メタデータ） (2023-10-08T18:57:36Z)
• Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
  入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。 また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。 我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
  論文  参考訳（メタデータ） (2023-03-14T16:11:47Z)
• Combat AI With AI: Counteract Machine-Generated Fake Restaurant Reviews on Social Media [77.34726150561087]
  我々は、高品質なYelpレビューを活用して、OpenAI GPTレビュー作成者から偽レビューを生成することを提案する。 このモデルを適用して、非エリートレビューを予測し、複数の次元にまたがるパターンを識別する。 ソーシャルメディアプラットフォームは、マシン生成の偽レビューによって継続的に挑戦されていることを示す。
  論文  参考訳（メタデータ） (2023-02-10T19:40:10Z)
• Mitigating Human and Computer Opinion Fraud via Contrastive Learning [0.0]
  本稿では,協調フィルタリングレコメンデータシステムにおける偽テキストレビュー検出への新たなアプローチを提案する。 既存のアルゴリズムは、言語モデルによって生成された偽レビューを検出し、不正直なユーザーによって書かれたテキストを無視している。 本稿では,ユーザ人口特性とテキストレビューを,偽造に対する追加的証拠として活用する,対照的な学習ベースアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-01-08T12:02:28Z)
• Spam Review Detection Using Deep Learning [0.0]
  多くのオンラインサイトでは、レビューを投稿するオプションがあり、従って偽の有料レビューや非合法レビューのスコープを作成することができる。 これらの批判されたレビューは、一般大衆を誤解させ、レビューを信じるかどうかを混乱させる可能性がある。 スパムレビュー検出の問題を解決するために、著名な機械学習技術が導入されている。
  論文  参考訳（メタデータ） (2022-11-03T09:41:48Z)
• A Dataset on Malicious Paper Bidding in Peer Review [84.68308372858755]
  悪意あるレビュアーは、紙の割り当てを非倫理的に操作するために戦略的に入札した。 この問題を緩和するための方法の作成と評価への重要な障害は、悪意ある紙入札に関する公開データの欠如である。 我々は、参加者に正直に、悪意的に入札するよう指示されたモックカンファレンス活動から収集された、新しいデータセットをリリースする。
  論文  参考訳（メタデータ） (2022-06-24T20:23:33Z)
• Deep convolutional forest: a dynamic deep ensemble approach for spam detection in text [219.15486286590016]
  本稿では,スパム検出のための動的深層アンサンブルモデルを提案する。 その結果、このモデルは高い精度、リコール、f1スコア、98.38%の精度を達成した。
  論文  参考訳（メタデータ） (2021-10-10T17:19:37Z)
• Leveraging GPT-2 for Classifying Spam Reviews with Limited Labeled Data via Adversarial Training [1.8899300124593648]
  本稿では,限定されたラベル付きデータと大量のラベル付きデータで意見スパムを分類する,敵対的トレーニング機構を提案する。 TripAdvisorとYelpZipデータセットの実験では、ラベル付きデータが制限された場合の精度で、提案されたモデルは最先端技術よりも少なくとも7%優れていた。
  論文  参考訳（メタデータ） (2020-12-24T18:59:51Z)
• Robust Spammer Detection by Nash Reinforcement Learning [64.80986064630025]
  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。
  論文  参考訳（メタデータ） (2020-06-10T21:18:07Z)
• DeepQuarantine for Suspicious Mail [0.0]
  DeepQuarantine(DQ)は、潜在的なスパムメッセージを検出し、隔離するクラウド技術である。 隔離されたメールのほとんどはスパムであり、クライアントは遅滞なくメールを使用できる。
  論文  参考訳（メタデータ） (2020-01-13T11:32:58Z)

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。