論文の概要: INADVERT: An Interactive and Adaptive Counterdeception Platform for Attention Enhancement and Phishing Prevention

• arxiv url: http://arxiv.org/abs/2106.06907v1
• Date: Sun, 13 Jun 2021 03:52:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 15:40:33.704311
• Title: INADVERT: An Interactive and Adaptive Counterdeception Platform for Attention Enhancement and Phishing Prevention
• Title（参考訳）: inadvert:注意の強化とフィッシング防止のためのインタラクティブで適応的な偽装プラットフォーム
• Authors: Linan Huang and Quanyan Zhu
• Abstract要約: INADVERTは、インタラクティブな視覚補助をリアルタイムで生成する体系的なソリューションで、ユーザが不注意を犯したり、視覚障害に対処するのを防ぐ。 INADVERTプラットフォームは、視線追跡結果と適切なデータ圧縮に基づいて、視線位置と時間によってキャプチャされたユーザのさまざまな注意状況に視覚的援助を自動的に適応する。
• 参考スコア（独自算出の注目度）: 28.570086492742046
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deceptive attacks exploiting the innate and the acquired vulnerabilities of human users have posed severe threats to information and infrastructure security. This work proposes INADVERT, a systematic solution that generates interactive visual aids in real-time to prevent users from inadvertence and counter visual-deception attacks. Based on the eye-tracking outcomes and proper data compression, the INADVERT platform automatically adapts the visual aids to the user's varying attention status captured by the gaze location and duration. We extract system-level metrics to evaluate the user's average attention level and characterize the magnitude and frequency of the user's mind-wandering behaviors. These metrics contribute to an adaptive enhancement of the user's attention through reinforcement learning. To determine the optimal hyper-parameters in the attention enhancement mechanism, we develop an algorithm based on Bayesian optimization to efficiently update the design of the INADVERT platform and maximize the accuracy of the users' phishing recognition.
• Abstract（参考訳）: 人間の生来の脆弱性や獲得した脆弱性を悪用する欺く攻撃は、情報やインフラのセキュリティに深刻な脅威をもたらしている。 本研究は,ユーザの不注意や対視覚障害を防止するために,リアルタイムにインタラクティブな視覚支援を生成するシステム的ソリューションであるinadvertを提案する。 INADVERTプラットフォームは、視線追跡結果と適切なデータ圧縮に基づいて、視線位置と時間によってキャプチャされたユーザのさまざまな注意状況に視覚補助を適応させる。 システムレベルの指標を抽出し,ユーザの平均的注意度を評価し,ユーザのマインドウォーダー行動の大きさと頻度を特徴付ける。 これらの指標は強化学習によるユーザの注意の適応的な強化に寄与する。 注意強化機構における最適なハイパーパラメータを決定するために,不注意プラットフォームの設計を効率的に更新し,ユーザのフィッシング認識の精度を最大化するベイズ最適化に基づくアルゴリズムを開発した。

関連論文リスト

• Improving the Shortest Plank: Vulnerability-Aware Adversarial Training for Robust Recommender System [60.719158008403376]
  VAT(Vulnerability-aware Adversarial Training)は、レコメンデーションシステムにおける中毒攻撃に対する防御を目的とした訓練である。 VATは、システムの適合度に基づいて、ユーザの脆弱性を推定するために、新たな脆弱性認識機能を採用している。
  論文  参考訳（メタデータ） (2024-09-26T02:24:03Z)
• Retrieval Augmentation via User Interest Clustering [57.63883506013693]
  インダストリアルレコメンデータシステムは、ユーザ・イテム・エンゲージメントのパターンに敏感である。 本稿では,ユーザの関心を効率的に構築し,計算コストの低減を図る新しい手法を提案する。 当社のアプローチはMetaの複数の製品に展開されており、ショートフォームビデオ関連の推奨を助長しています。
  論文  参考訳（メタデータ） (2024-08-07T16:35:10Z)
• Evaluating the Effectiveness and Robustness of Visual Similarity-based Phishing Detection Models [10.334870703744498]
  我々は、最先端の視覚的類似性に基づくアンチフィッシングモデルを包括的に精査し、評価する。 分析の結果,一部のモデルでは高い精度を維持しているが,他のモデルではキュレートされたデータセットの結果よりも顕著に低い性能を示した。 我々の知る限り、この研究は、実世界におけるフィッシング検出のための視覚的類似性に基づくモデルの最初の大規模かつ体系的な評価である。
  論文  参考訳（メタデータ） (2024-05-30T01:28:36Z)
• Predicting Viral Rumors and Vulnerable Users for Infodemic Surveillance [9.099277246096861]
  我々は,統一的なグラフニューラルネットワークモデルを用いて,バイラルな噂や脆弱なユーザを予測するための新しいアプローチを提案する。 ネットワークベースのユーザ埋め込みを事前トレーニングし,ユーザとポスト間の相互アテンション機構を活用する。 また,噂イベントや非噂イベントにおいて,情報バイラル性やユーザ脆弱性に関する具体的アノテーションを付加した2つのデータセットを構築した。
  論文  参考訳（メタデータ） (2024-01-18T04:57:12Z)
• SeGA: Preference-Aware Self-Contrastive Learning with Prompts for Anomalous User Detection on Twitter [14.483830120541894]
  本稿では,ユーザの異常検出のための自己コントラスト学習であるSeGAを提案する。 SeGAは、投稿を通じてユーザの好みを要約するために、大きな言語モデルを使用する。 モデル設計と事前学習戦略の有効性を実証的に検証する。
  論文  参考訳（メタデータ） (2023-12-17T05:35:28Z)
• Efficient Human Vision Inspired Action Recognition using Adaptive Spatiotemporal Sampling [13.427887784558168]
  本稿では,効率的な行動認識処理のための適応型視覚システムを提案する。 本システムでは,グローバルコンテキストサンプリング方式を低解像度で事前スキャンし,高精細な領域で高精細な特徴をスキップしたり,要求したりすることを決定した。 動作認識のためのEPIC-KENSとUCF-101データセットを用いたシステムの有効性を検証するとともに,提案手法により,最先端のベースラインに比べて精度の低下を許容し,推論を大幅に高速化できることを示す。
  論文  参考訳（メタデータ） (2022-07-12T01:18:58Z)
• Attribute Inference Attack of Speech Emotion Recognition in Federated Learning Settings [56.93025161787725]
  Federated Learning(FL)は、クライアントをコーディネートして、ローカルデータを共有せずにモデルを協調的にトレーニングする分散機械学習パラダイムである。 本稿では,共有勾配やモデルパラメータからクライアントの機密属性情報を推測する属性推論攻撃フレームワークを提案する。 FLを用いて学習したSERシステムに対して,属性推論攻撃が達成可能であることを示す。
  論文  参考訳（メタデータ） (2021-12-26T16:50:42Z)
• Counterfactual Attention Learning for Fine-Grained Visual Categorization and Re-identification [101.49122450005869]
  本稿では,因果推論に基づくより効果的な注意力学習法を提案する。 具体的には,学習した視覚的注意がネットワーク予測に与える影響を分析する。 本手法は,広範囲の粒度認識タスクにおいて評価する。
  論文  参考訳（メタデータ） (2021-08-19T14:53:40Z)
• Assisted Perception: Optimizing Observations to Communicate State [112.40598205054994]
  我々は、ロボット遠隔操作や視覚障害のあるナビゲーションといったタスクにおいて、ユーザが世界の状態を見積もるのを支援することを目的としている。 ユーザによって処理された場合、より正確な内部状態推定につながる新しい観測結果を合成する。
  論文  参考訳（メタデータ） (2020-08-06T19:08:05Z)
• Unsupervised Model Personalization while Preserving Privacy and Scalability: An Open Problem [55.21502268698577]
  本研究では,非教師なしモデルパーソナライゼーションの課題について検討する。 この問題を探求するための新しいDual User-Adaptation Framework(DUA)を提供する。 このフレームワークは、サーバ上のモデルパーソナライズとユーザデバイス上のローカルデータ正規化に柔軟にユーザ適応を分散させる。
  論文  参考訳（メタデータ） (2020-03-30T09:35:12Z)

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。