論文の概要: DeHiDe: Deep Learning-based Hybrid Model to Detect Fake News using Blockchain

• arxiv url: http://arxiv.org/abs/2010.08765v1
• Date: Sat, 17 Oct 2020 11:11:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 12:05:39.392708
• Title: DeHiDe: Deep Learning-based Hybrid Model to Detect Fake News using Blockchain
• Title（参考訳）: DeHiDe: ブロックチェーンを使ってフェイクニュースを検出するディープラーニングベースのハイブリッドモデル
• Authors: Prashansa Agrawal, Parwat Singh Anjana, and Sathya Peri
• Abstract要約: 本稿では,フェイクニュースを検出するためのDeHiDe: Deep Learning-based Hybrid Modelを提案する。 DeHiDeは、偽ニュースをフィルタリングすることで、合法的なニュース共有のためのブロックチェーンベースのフレームワークである。 ブロックチェーンのメリットとインテリジェントなディープラーニングモデルを組み合わせることで、フェイクニュースのハードルと戦う上での堅牢性と正確性を強化します。
• 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: The surge in the spread of misleading information, lies, propaganda, and false facts, frequently known as fake news, raised questions concerning social media's influence in today's fast-moving democratic society. The widespread and rapid dissemination of fake news cost us in many ways. For example, individual or societal costs by hampering elections integrity, significant economic losses by impacting stock markets, or increases the risk to national security. It is challenging to overcome the spreading of fake news problems in traditional centralized systems. However, Blockchain-- a distributed decentralized technology that ensures data provenance, authenticity, and traceability by providing a transparent, immutable, and verifiable transaction records can help in detecting and contending fake news. This paper proposes a novel hybrid model DeHiDe: Deep Learning-based Hybrid Model to Detect Fake News using Blockchain. The DeHiDe is a blockchain-based framework for legitimate news sharing by filtering out the fake news. It combines the benefit of blockchain with an intelligent deep learning model to reinforce robustness and accuracy in combating fake news's hurdle. It also compares the proposed method to existing state-of-the-art methods. The DeHiDe is expected to outperform state-of-the-art approaches in terms of services, features, and performance.
• Abstract（参考訳）: 誤解を招く情報、嘘、プロパガンダ、偽事実の急増は、しばしばフェイクニュースと呼ばれ、今日の急進的な民主社会におけるソーシャルメディアの影響に関する疑問を引き起こした。 偽ニュースの広範かつ急速な拡散は、多くの面で私たちを苦しめた。 例えば、選挙の完全性を妨げる個人的または社会的なコスト、株式市場への影響による重大な経済損失、または国家の安全保障へのリスクを増加させる。 従来の中央集権システムにおける偽ニュースの拡散を克服することは困難である。 しかし、ブロックチェーンは、透明で不変で検証可能なトランザクションレコードを提供することで、データの出所、信頼性、トレーサビリティを保証する分散分散技術であり、偽ニュースの検出と競合に役立つ。 本稿では,ブロックチェーンを用いてフェイクニュースを検出するための,DeHiDe: Deep Learning-based Hybrid Modelを提案する。 dehideは、偽ニュースをフィルタリングして合法的なニュース共有のためのブロックチェーンベースのフレームワークだ。 ブロックチェーンのメリットとインテリジェントなディープラーニングモデルを組み合わせることで、フェイクニュースのハードルと戦う上での堅牢性と正確性を強化します。 また,提案手法を既存の最先端手法と比較した。 DeHiDeは、サービス、機能、パフォーマンスの点で最先端のアプローチを上回ることが期待されている。

関連論文リスト

• Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
  ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。 フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。 本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
  論文  参考訳（メタデータ） (2024-03-28T07:08:26Z)
• Debunking Disinformation: Revolutionizing Truth with NLP in Fake News Detection [7.732570307576947]
  インターネットとソーシャルメディアは、即時情報配信の時代において、個人がニュースにアクセスする方法を変えてきた。 フェイクニュースはデジタルプラットフォームに急速に広がり、メディアエコシステムに悪影響を及ぼしている。 自然言語処理は、偽情報との戦いの激化において強力な武器として登場した。
  論文  参考訳（メタデータ） (2023-08-30T21:25:31Z)
• Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks [49.29141811578359]
  本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。 提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
  論文  参考訳（メタデータ） (2022-12-24T00:19:32Z)
• Faking Fake News for Real Fake News Detection: Propaganda-loaded Training Data Generation [105.20743048379387]
  提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。 具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。 実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
  論文  参考訳（メタデータ） (2022-03-10T14:24:19Z)
• Integrating Human-in-the-loop into Swarm Learning for Decentralized Fake News Detection [4.974890682815778]
  本稿では,ユーザプライバシを分散的に侵害することなく,偽ニュースを認識するための学習と推論のループにユーザフィードバックを統合する,新たな分散化手法であるHBSLを提案する。 実験の結果,提案手法は,ベンチマークデータセット上での偽ニュースの検出において,最先端の分散化手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-01-04T01:24:20Z)
• SOK: Fake News Outbreak 2021: Can We Stop the Viral Spread? [5.64512235559998]
  ソーシャルネットワークの完全解釈と使いやすさは、今日の世界での情報の生成と配布に革命をもたらした。 従来のメディアチャンネルとは異なり、ソーシャルネットワークは偽情報や偽情報の拡散を迅速かつ広範囲に促進する。 虚偽情報の拡散は、大衆の行動、態度、信念に深刻な影響を及ぼす。
  論文  参考訳（メタデータ） (2021-05-22T09:26:13Z)
• User Preference-aware Fake News Detection [61.86175081368782]
  既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。 本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
  論文  参考訳（メタデータ） (2021-04-25T21:19:24Z)
• Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
  我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。 偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。 本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-20T19:37:04Z)
• Blockchain in the management of science: conceptual models, promises and challenges [0.0]
  科学のためのブロックチェーンの支持者は、この技術を、偏見、赤いテープ、データ不正から科学を解放するツールとして提示し、新しいアイデアに対する金融支援を確保する革新的な手段を提供する。 一つは、金融インセンティブのある暗号経済を科学に導入することである。
  論文  参考訳（メタデータ） (2020-06-09T19:49:32Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)
• Fake News, Disinformation, and Deepfakes: Leveraging Distributed Ledger Technologies and Blockchain to Combat Digital Deception and Counterfeit Reality [0.0]
  デジタル詐欺は、民主主義社会におけるインターネットとソーシャルメディアの役割に対する懸念を提起する。 この概要は、デジタル詐欺と戦うために、Distributed Ledger Technologies(DLT)とブロックチェーンの可能性を探ることを目的としている。 いくつかのリコメンデーションは、偽ニュースや偽情報、ディープフェイクに直面するために取り組まなければならない問題について、将来の研究者を導くために列挙されている。
  論文  参考訳（メタデータ） (2019-04-10T18:42:45Z)

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。