論文の概要: StyleML: Stylometry with Structure and Multitask Learning for Darkweb Markets

• arxiv url: http://arxiv.org/abs/2104.00764v1
• Date: Thu, 1 Apr 2021 20:59:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 13:56:24.225643
• Title: StyleML: Stylometry with Structure and Multitask Learning for Darkweb Markets
• Title（参考訳）: styleml:stylometry with structure and multitask learning for darkweb markets
• Authors: Pranav Maneriker, Yuntian He, Srinivasan Parthasarathy
• Abstract要約: ダークネット市場フォーラムは違法商品やサービスを交換するために頻繁に利用されている。 Torネットワークはこれらの市場をホストするために使用され、IPと位置追跡の匿名化が保証される。 自然言語とインタラクションモデリングのための新しいスタイロメトリベースのマルチタスク学習手法を開発した。
• 参考スコア（独自算出の注目度）: 10.667309064333883
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Darknet market forums are frequently used to exchange illegal goods and services between parties who use encryption to conceal their identities. The Tor network is used to host these markets, which guarantees additional anonymization from IP and location tracking, making it challenging to link across malicious users using multiple accounts (sybils). Additionally, users migrate to new forums when one is closed, making it difficult to link users across multiple forums. We develop a novel stylometry-based multitask learning approach for natural language and interaction modeling using graph embeddings to construct low-dimensional representations of short episodes of user activity for authorship attribution. We provide a comprehensive evaluation of our methods across four different darknet forums demonstrating its efficacy over the state-of-the-art, with a lift of up to 2.5X on Mean Retrieval Rank and 2X on Recall@10.
• Abstract（参考訳）: ダークネット市場フォーラムは、暗号化を使って身元を隠す当事者間で違法な商品やサービスを交換するためによく使われる。 Torネットワークはこれらの市場をホストするために使用され、IPや位置情報からの匿名化が保証されるため、悪意のあるユーザを複数のアカウント(シビル)でリンクすることは困難である。 さらに、ユーザは閉じた時に新しいフォーラムに移行するため、複数のフォーラムにまたがるユーザリンクが困難になる。 本研究では,グラフ埋め込みを用いた自然言語と対話モデルのための新しいスタイロメトリベースのマルチタスク学習手法を開発し,ユーザ活動の短いエピソードの低次元表現を構築した。 提案手法を4つの異なるダークネットフォーラムで総合評価し,その効果を実証し,平均検索ランクで2.5倍,リコール@10で2倍まで引き上げた。

関連論文リスト

• Derail Yourself: Multi-turn LLM Jailbreak Attack through Self-discovered Clues [88.96201324719205]
  本研究では,マルチターンインタラクションにおけるLarge Language Models(LLM)の安全性の脆弱性を明らかにする。 本稿ではアクターネットワーク理論に触発された新しいマルチターン攻撃手法であるActorAttackを紹介する。
  論文  参考訳（メタデータ） (2024-10-14T16:41:49Z)
• BadCM: Invisible Backdoor Attack Against Cross-Modal Learning [110.37205323355695]
  クロスモーダルバックドアにおけるパズルの欠片を補うために,新たな両面バックドアを導入する。 BadCMは、1つの統合されたフレームワーク内で多様なクロスモーダルアタックのために意図的に設計された最初の目に見えないバックドアメソッドである。
  論文  参考訳（メタデータ） (2024-10-03T03:51:53Z)
• SoMeR: Multi-View User Representation Learning for Social Media [1.7949335303516192]
  本稿では,ソーシャルメディアのユーザ表現学習フレームワークであるSoMeRを提案する。 SoMeRは、ユーザ投稿ストリームをタイムスタンプ付きテキスト機能のシーケンスとしてエンコードし、トランスフォーマーを使用してプロファイルデータと共にそれを埋め込み、リンク予測とコントラスト学習の目標を共同でトレーニングする。 1)類似コンテンツを同時に投稿するユーザを検出することによって、協調的な影響操作に関わる不正確なアカウントを同定し、2)異なる信念を持つユーザがより遠くへ移動する様子を定量化して、主要なイベント後のオンライン議論における偏光の増大を測定する。
  論文  参考訳（メタデータ） (2024-05-02T22:26:55Z)
• URM4DMU: an user represention model for darknet markets users [4.80209215814404]
  本稿では、畳み込み演算子と自己注意を増強することにより、ポスト表現を改善するURM4DMUというモデルを提案する。 ダークネット市場におけるURM4DMUの有効性を示す。
  論文  参考訳（メタデータ） (2023-03-19T14:33:42Z)
• VeriDark: A Large-Scale Benchmark for Authorship Verification on the Dark Web [25.00969884543201]
  VeriDarkは3つの大規模オーサシップ検証データセットと1つのオーサシップ識別データセットで構成されるベンチマークです。 3つのデータセット上での競合NLPベースラインの評価を行い、これらのアプローチの限界をよりよく理解するために予測の解析を行う。
  論文  参考訳（メタデータ） (2022-07-07T17:57:11Z)
• Time Interval-enhanced Graph Neural Network for Shared-account Cross-domain Sequential Recommendation [44.34610028544989]
  共有アカウント クロスドメイン シークエンシャルレコメンデーション(SCSR)タスクは、複数のドメインにおける混合ユーザ動作を活用することで、次の項目を推奨することを目的としている。 既存のSCSRの研究は主に、リカレントニューラルネットワーク(RNN)ベースのモデルによるシーケンシャルパターンのマイニングに依存している。 上記の課題に対処するために,新たなグラフベースのソリューションTiDA-GCNを提案する。
  論文  参考訳（メタデータ） (2022-06-16T10:06:01Z)
• MISC: A MIxed Strategy-Aware Model Integrating COMET for Emotional Support Conversation [64.37111498077866]
  本稿では,感情支援会話のための新しいモデルを提案する。 ユーザの微妙な感情状態を推測し、その後、戦略の混合を使って巧みに応答する。 評価実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-25T10:32:04Z)
• Masked LARk: Masked Learning, Aggregation and Reporting worKflow [6.484847460164177]
  多くのWeb広告データフローは、ユーザの受動的クロスサイト追跡を含む。 ほとんどのブラウザは、その後のブラウザイテレーションで3PCの削除に向かっている。 本稿では,ユーザエンゲージメント測定とモデルトレーニングの集約を目的としたMasked LARkという新しい提案を提案する。
  論文  参考訳（メタデータ） (2021-10-27T21:59:37Z)
• Dual Metric Learning for Effective and Efficient Cross-Domain Recommendations [85.6250759280292]
  クロスドメインレコメンダーシステムは、消費者が異なるアプリケーションで有用なアイテムを識別するのを助けるためにますます価値があります。 既存のクロスドメインモデルは、通常、多くのオーバーラップユーザーを必要とするため、いくつかのアプリケーションでは取得が困難である。 本稿では,2つのドメイン間で情報を反復的に伝達する二元学習に基づく新しいクロスドメインレコメンデーションモデルを提案する。
  論文  参考訳（メタデータ） (2021-04-17T09:18:59Z)
• Partial Bandit and Semi-Bandit: Making the Most Out of Scarce Users' Feedback [62.997667081978825]
  本稿では,ユーザのフィードバックを考慮し,3つの戦略を用いて評価する手法を提案する。 ユーザからのフィードバックが制限されているにも関わらず(全体の20%以下)、我々の手法は最先端のアプローチと同じような結果が得られる。
  論文  参考訳（メタデータ） (2020-09-16T07:32:51Z)
• Adversarial Attack on Community Detection by Hiding Individuals [68.76889102470203]
  我々はブラックボックス攻撃に焦点をあて、ディープグラフコミュニティ検出モデルの検出からターゲット個人を隠すことを目的としている。 本稿では,制約付きグラフ生成器として動作するモジュールと,サロゲート型コミュニティ検出モデルとして動作するモジュールを交互に更新する反復学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-22T09:50:04Z)

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。