論文の概要: Generating multi-type sequences of temporal events to improve fraud detection in game advertising

• arxiv url: http://arxiv.org/abs/2104.03428v1
• Date: Wed, 7 Apr 2021 23:19:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-10 02:34:47.284766
• Title: Generating multi-type sequences of temporal events to improve fraud detection in game advertising
• Title（参考訳）: ゲーム広告における不正検出を改善するための時間イベントの多型シーケンス生成
• Authors: Lun Jiang, Nima Salehi Sadghiani, Zhuo Tao
• Abstract要約: 本稿では,SeqGAN (Sequence Generative Adversarial Generative) の修正版と組み合わせた Time-LSTM 細胞を用いて人工配列を生成することを提案する。 GAN生成シーケンスは、イベントベースの不正検出の分類能力を高めるために使用できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fraudulent activities related to online advertising can potentially harm the trust advertisers put in advertising networks and sour the gaming experience for users. Pay-Per-Click/Install (PPC/I) advertising is one of the main revenue models in game monetization. Widespread use of the PPC/I model has led to a rise in click/install fraud events in games. The majority of traffic in ad networks is non-fraudulent, which imposes difficulties on machine learning based fraud detection systems to deal with highly skewed labels. From the ad network standpoint, user activities are multi-type sequences of temporal events consisting of event types and corresponding time intervals. Time Long Short-Term Memory (Time-LSTM) network cells have been proved effective in modeling intrinsic hidden patterns with non-uniform time intervals. In this study, we propose using a variant of Time-LSTM cells in combination with a modified version of Sequence Generative Adversarial Generative (SeqGAN)to generate artificial sequences to mimic the fraudulent user patterns in ad traffic. We also propose using a Critic network instead of Monte-Carlo (MC) roll-out in training SeqGAN to reduce computational costs. The GAN-generated sequences can be used to enhance the classification ability of event-based fraud detection classifiers. Our extensive experiments based on synthetic data have shown the trained generator has the capability to generate sequences with desired properties measured by multiple criteria.
• Abstract（参考訳）: オンライン広告に関連する不正行為は、広告主が広告ネットワークに入れた信頼を損なう可能性があり、ユーザーにとってゲーム体験を損なう可能性がある。 Pay-Per-Click/Install (PPC/I)広告はゲーム収益化の主要な収益モデルの一つである。 ppc/iモデルの広範な利用は、ゲームにおけるクリック/インストール詐欺イベントの増加につながった。 広告ネットワークのトラフィックの大多数は不正であり、高度に歪んだラベルを扱うために機械学習ベースの不正検出システムに困難を課している。 広告ネットワークの観点からは、ユーザアクティビティはイベントタイプと対応する時間間隔からなる時間イベントのマルチタイプシーケンスである。 時間長短期記憶(time-lstm)ネットワークセルは、不均一な時間間隔を持つ内在的隠れパターンのモデル化に有効であることが証明されている。 本研究では,広告トラフィックにおける不正なユーザパターンを模倣する人工シーケンスを生成するために,時間LSTMセルの変種とSeqGAN(Sequence Generative Adversarial Generative)の修正版を組み合わせることを提案する。 また,モンテカルロ(MC)のロールアウトの代わりにCriticネットワークを用いてSeqGANをトレーニングし,計算コストを削減することを提案する。 GAN生成シーケンスは、イベントベースの不正検出分類器の分類能力を高めるために使用できる。 合成データに基づく広範な実験により,訓練されたジェネレータは,複数の基準で所望の特性を持つシーケンスを生成することができることが示された。

関連論文リスト

• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Utilizing GANs for Fraud Detection: Model Training with Synthetic Transaction Data [0.0]
  本稿では,GAN(Generative Adversarial Networks)の不正検出への応用について検討する。 GANは複雑なデータ分散のモデリングにおいて有望であり、異常検出のための効果的なツールである。 この研究は、ディープラーニング技術によるトランザクションセキュリティの強化におけるGANの可能性を実証している。
  論文  参考訳（メタデータ） (2024-02-15T09:48:20Z)
• Representation Learning of Multivariate Time Series using Attention and Adversarial Training [2.0577627277681887]
  変換器をベースとしたオートエンコーダを提案し, 逆方向のトレーニングスキームを用いて, 人工時系列信号を生成する。 その結果,生成した信号は畳み込みネットワークを用いた場合よりも,模範的データセットとの類似性が高いことがわかった。
  論文  参考訳（メタデータ） (2024-01-03T21:32:46Z)
• CARLA: Self-supervised Contrastive Representation Learning for Time Series Anomaly Detection [53.83593870825628]
  時系列異常検出(TSAD)の主な課題は、多くの実生活シナリオにおいてラベル付きデータの欠如である。 既存の異常検出手法の多くは、教師なしの方法で非ラベル時系列の正常な振る舞いを学習することに焦点を当てている。 本稿では,時系列異常検出のためのエンドツーエンドの自己教師型コントラアスティブ表現学習手法を提案する。
  論文  参考訳（メタデータ） (2023-08-18T04:45:56Z)
• Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
  本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。 ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-11T07:48:39Z)
• Instant Soup: Cheap Pruning Ensembles in A Single Pass Can Draw Lottery Tickets from Large Models [106.19385911520652]
  Lottery Ticket hypothesis (LTH)とその変種は、パラメーターワークを生成する大規模な事前訓練モデルを作成するために利用されてきた。 LTHは反復的フルトレーニングと反復的マグニチュードプルーニング(IMP)のプルーニングルーチンによって著しく抑制される Instant Soup Pruning (ISP) を提案する。
  論文  参考訳（メタデータ） (2023-06-18T03:09:52Z)
• Mitigating Divergence of Latent Factors via Dual Ascent for Low Latency Event Prediction Models [0.739706777911384]
  現実世界のコンテンツレコメンデーションマーケットプレースは、特定の振る舞いを示し、一般的な静的なオフラインデータセットでは必ずしも明らかでない制約によって課される。 本稿では,モデルの潜在ベクトルに対して,慎重に選択された制約セットを付与することにより,モデルパラメータのばらつきを防止する体系的手法を提案する。 我々は,分散インスタンス数の大幅な削減と,ユーザエクスペリエンスと収益の両面で大きな改善を示すオンライン実験を実施している。
  論文  参考訳（メタデータ） (2021-11-15T16:09:48Z)
• Inductive Representation Learning in Temporal Networks via Causal Anonymous Walks [51.79552974355547]
  テンポラルネットワークは多くの現実世界の動的システムの抽象化として機能する。 時間的ネットワークを誘導的に表現するCausal Anonymous Walks(CAW)を提案する。 CAWは時間的ランダムウォークによって抽出され、時間的ネットワークモチーフの自動検索として機能する。
  論文  参考訳（メタデータ） (2021-01-15T05:47:26Z)
• Explainable Deep Behavioral Sequence Clustering for Transaction Fraud Detection [3.9505606841402607]
  クラスタリングのためのディープラーニングに基づく行動データ表現法(FinDeepBehaviorCluster)を提案し,不正取引を検出する。 動作シーケンスデータを利用するために,クリックストリームデータをイベントシーケンスとして扱い,時間アテンションに基づくBi-LSTMを用いて,教師なしの方法でシーケンス埋め込みを学習し,リスクエキスパートが生成した直感的な特徴と組み合わせてハイブリッドな特徴表現を形成する。 実験の結果,提案するFinDeepBehaviorClusterフレームワークは,ビジネス価値の高い不正取引を捕捉できることがわかった。
  論文  参考訳（メタデータ） (2021-01-12T04:12:18Z)
• CoLES: Contrastive Learning for Event Sequences with Self-Supervision [63.3568071938238]
  本研究では,実世界のユーザが生成する個別イベントシーケンスにおける自己教師型学習の課題に対処する。 従来,音声やコンピュータビジョンの領域で使われていたコントラスト学習に適応する新しい手法"CoLES"を提案する。
  論文  参考訳（メタデータ） (2020-02-19T15:15:57Z)
• Interleaved Sequence RNNs for Fraud Detection [4.406007955584059]
  我々は,プリプロセスからデプロイまでの効率的なMLパイプラインを提案し,リアルタイムに不正を検出するための完全なRNNフレームワークを提案する。 これらの特徴のないマルチシーケンスのRNNは、数百万ドルもの不正検出と少ない計算資源を節約した最先端のモデルより優れていることを示す。
  論文  参考訳（メタデータ） (2020-02-14T12:04:11Z)

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。