論文の概要: Itsy Bitsy SpiderNet: Fully Connected Residual Network for Fraud Detection

• arxiv url: http://arxiv.org/abs/2105.08120v1
• Date: Mon, 17 May 2021 19:16:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-20 03:38:56.008115
• Title: Itsy Bitsy SpiderNet: Fully Connected Residual Network for Fraud Detection
• Title（参考訳）: ity bitsy spidernet: 不正検出のための完全接続残差ネットワーク
• Authors: Sergey Afanasiev, Anastasiya Smirnova and Diana Kotereva
• Abstract要約: 詐欺検出問題を解決するために,畳み込みニューラルネットワークアーキテクチャSpiderNetを提案する。 ニューラルネットワークにおけるプールと畳み込みの原則は、反フルート分析の方法と非常に似ています。 その結果,b-tests と w-tests は反フルートモデルの品質を著しく向上させた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the development of high technology, the scope of fraud is increasing, resulting in annual losses of billions of dollars worldwide. The preventive protection measures become obsolete and vulnerable over time, so effective detective tools are needed. In this paper, we propose a convolutional neural network architecture SpiderNet designed to solve fraud detection problems. We noticed that the principles of pooling and convolutional layers in neural networks are very similar to the way antifraud analysts work when conducting investigations. Moreover, the skip-connections used in neural networks make the usage of features of various power in antifraud models possible. Our experiments have shown that SpiderNet provides better quality compared to Random Forest and adapted for antifraud modeling problems 1D-CNN, 1D-DenseNet, F-DenseNet neural networks. We also propose new approaches for fraud feature engineering called B-tests and W-tests, which generalize the concepts of Benford's Law for fraud anomalies detection. Our results showed that B-tests and W-tests give a significant increase to the quality of our antifraud models. The SpiderNet code is available at https://github.com/aasmirnova24/SpiderNet
• Abstract（参考訳）: ハイテクの発展に伴い、不正行為の範囲が拡大し、全世界で毎年数十億ドルの損失が発生している。 予防的保護策は時間とともに時代遅れになり、脆弱になるため、効果的な探偵ツールが必要となる。 本稿では,詐欺検出問題を解決するために設計された畳み込みニューラルネットワークアーキテクチャスパイダーネットを提案する。 ニューラルネットワークにおけるプール層と畳み込み層の原理は、調査を行う際の反詐欺アナリストの働きと非常によく似ていることに気づきました。 さらに、ニューラルネットワークで使用されるスキップ接続は、アンチフルートモデルにおける様々なパワーの特徴の使用を可能にする。 実験の結果,SpiderNetはランダムフォレストよりも高品質で,1D-CNN,1D-DenseNet,F-DenseNetニューラルネットワークといったアンチファンドモデリング問題に適用できることがわかった。 また,ベンフォードの不正検出法の概念を一般化した,BテストとWテストと呼ばれる不正機能工学の新しい手法を提案する。 その結果,b-tests と w-tests は反フルートモデルの品質を著しく向上させた。 SpiderNetコードはhttps://github.com/aasmirnova24/SpiderNetで入手できる。

関連論文リスト

• Investigating Application of Deep Neural Networks in Intrusion Detection System Design [0.0]
  研究の目的は、ディープニューラルネットワーク(DNN)のアプリケーションが、悪意のあるネットワーク侵入を正確に検出し、特定できるかどうかを学習することである。 実験結果は,ネットワーク侵入の分類を正確に正確に識別するためのモデルのサポートを示さなかった。
  論文  参考訳（メタデータ） (2025-01-27T04:06:30Z)
• Financial Fraud Detection using Quantum Graph Neural Networks [0.0]
  量子グラフニューラルネットワーク(QGNN)を用いた新たな金融不正検出手法を提案する。 QGNNは、グラフ構造化データを処理するニューラルネットワークの一種であり、量子コンピューティング(QC)のパワーを活用して、古典的なニューラルネットワークよりも効率的に計算を行うことができる。 我々の研究はQGNNの可能性を浮き彫りにしており、QGNNは金融詐欺検出を改善するための有望な新しいアプローチであることを示唆している。
  論文  参考訳（メタデータ） (2023-09-03T09:42:49Z)
• 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)
• New Approach to Malware Detection Using Optimized Convolutional Neural Network [0.0]
  本稿では,マルウェアを高精度で高精度かつ効率的に検出する,新しい畳み込み型ディープラーニングニューラルネットワークを提案する。 ベースラインモデルは当初98%の精度を達成していたが、CNNモデルの深度を高めた後、99.183まで精度が向上した。 このCNNモデルの有効性をさらに高めるため、改良されたモデルを用いて、データセット内の新しいマルウェアサンプルの予測を行う。
  論文  参考訳（メタデータ） (2023-01-26T15:06:47Z)
• Robustness of Bayesian Neural Networks to White-Box Adversarial Attacks [55.531896312724555]
  ベイジアンネットワーク(BNN)は、ランダム性を組み込むことで、敵の攻撃を扱うのに頑丈で適している。 我々はベイズ的推論(つまり変分ベイズ)をDenseNetアーキテクチャに融合させることで、BNN-DenseNetと呼ばれるBNNモデルを作成する。 逆向きに訓練されたBNNは、ほとんどの実験で非ベイズ的で逆向きに訓練されたBNNよりも優れています。
  論文  参考訳（メタデータ） (2021-11-16T16:14:44Z)
• Why Lottery Ticket Wins? A Theoretical Perspective of Sample Complexity on Pruned Neural Networks [79.74580058178594]
  目的関数の幾何学的構造を解析することにより、刈り取られたニューラルネットワークを訓練する性能を解析する。 本稿では,ニューラルネットワークモデルがプルーニングされるにつれて,一般化が保証された望ましいモデル近傍の凸領域が大きくなることを示す。
  論文  参考訳（メタデータ） (2021-10-12T01:11:07Z)
• BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by Adversarial Attacks [65.2021953284622]
  CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。 結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
  論文  参考訳（メタデータ） (2021-03-14T20:43:19Z)
• Noise Sensitivity-Based Energy Efficient and Robust Adversary Detection in Neural Networks [3.125321230840342]
  逆の例は、愚かな分類器ネットワークに注意深く浸透した入力であり、一方で人間には変化がない。 本稿では,深層ニューラルネットワーク(DNN)を検出器サブネットワークで拡張する構造化手法を提案する。 本手法は,実例に対する最先端検出器のロバスト性が向上することを示す。
  論文  参考訳（メタデータ） (2021-01-05T14:31:53Z)
• Social network analytics for supervised fraud detection in insurance [1.911867365776962]
  保険詐欺は、政策所有者が誇張された、または故意の損害に基づく主張を提出した場合に発生する。 このコントリビューションは,クレームのソーシャルネットワークから洞察力のある情報を抽出することにより,不正検出戦略を開発する。
  論文  参考訳（メタデータ） (2020-09-15T21:40:15Z)
• Cassandra: Detecting Trojaned Networks from Adversarial Perturbations [92.43879594465422]
  多くの場合、事前トレーニングされたモデルは、トロイの木馬の振る舞いをモデルに挿入するためにトレーニングパイプラインを中断したかもしれないベンダーから派生している。 本稿では,事前学習したモデルがトロイの木馬か良馬かを検証する手法を提案する。 本手法は,ニューラルネットワークの指紋を,ネットワーク勾配から学習した逆方向の摂動の形でキャプチャする。
  論文  参考訳（メタデータ） (2020-07-28T19:00:40Z)
• Neural Networks and Value at Risk [59.85784504799224]
  リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。 株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。 はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
  論文  参考訳（メタデータ） (2020-05-04T17:41:59Z)

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。