論文の概要: Fake News and Phishing Detection Using a Machine Learning Trained Expert System

• arxiv url: http://arxiv.org/abs/2108.08264v1
• Date: Wed, 4 Aug 2021 15:25:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-22 14:40:29.807779
• Title: Fake News and Phishing Detection Using a Machine Learning Trained Expert System
• Title（参考訳）: 機械学習訓練エキスパートシステムを用いた偽ニュースとフィッシング検出
• Authors: Benjamin Fitzpatrick, Xinyu "Sherwin" Liang, Jeremy Straub
• Abstract要約: 本稿では、フィッシングサイトの検出とフェイクニュース検出のための機械学習訓練エキスパートシステム(MLES)について述べる。 どちらのトピックも同様の目標を共有している。ルールファクトネットワークを設計することで、各領域のドメインエキスパートのようにコンピュータが説明可能な決定をすることができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Expert systems have been used to enable computers to make recommendations and decisions. This paper presents the use of a machine learning trained expert system (MLES) for phishing site detection and fake news detection. Both topics share a similar goal: to design a rule-fact network that allows a computer to make explainable decisions like domain experts in each respective area. The phishing website detection study uses a MLES to detect potential phishing websites by analyzing site properties (like URL length and expiration time). The fake news detection study uses a MLES rule-fact network to gauge news story truthfulness based on factors such as emotion, the speaker's political affiliation status, and job. The two studies use different MLES network implementations, which are presented and compared herein. The fake news study utilized a more linear design while the phishing project utilized a more complex connection structure. Both networks' inputs are based on commonly available data sets.
• Abstract（参考訳）: 専門家システムは、コンピュータが推奨や決定を行うために使われてきた。 本稿では,フィッシングサイト検出と偽ニュース検出のための機械学習訓練エキスパートシステム(mles)について述べる。 どちらのトピックも同様の目標を共有している。ルールファクトネットワークを設計することで、各領域のドメインエキスパートのようにコンピュータが説明可能な決定をすることができる。 フィッシングサイト検出研究では、MLESを使用して、サイト特性(URLの長さや有効期限など)を分析し、潜在的なフィッシングサイトを検出する。 フェイクニュース検出研究では、mlesルールファクトネットワークを使用して、感情、話者の政治的所属状況、仕事などの要因に基づいて、ニュースストーリーの真偽を評価する。 2つの研究は異なるMLESネットワーク実装を使用しており、ここで提示され比較される。 フェイクニュース研究はより線形な設計を用い、フィッシングプロジェクトはより複雑な接続構造を利用した。 両方のネットワークの入力は一般に利用可能なデータセットに基づいている。

関連論文リスト

• FNDaaS: Content-agnostic Detection of Fake News sites [3.936965297430477]
  FNDは、コンテンツに依存しない最初のフェイクニュース検出手法である。 ニュースサイトごとのネットワークや構造的特徴など、新しい、未調査の機能について検討している。 過去のサイトでは最大0.967のAUCスコアを達成でき、新しくフラッグされたサイトでは最大77-92%の精度を達成できる。
  論文  参考訳（メタデータ） (2022-12-13T11:17:32Z)
• Multiverse: Multilingual Evidence for Fake News Detection [71.51905606492376]
  Multiverseは、偽ニュースの検出に使用できる多言語エビデンスに基づく新機能である。 偽ニュース検出機能としての言語間証拠の使用仮説を確認した。
  論文  参考訳（メタデータ） (2022-11-25T18:24:17Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• FacTeR-Check: Semi-automated fact-checking through Semantic Similarity and Natural Language Inference [61.068947982746224]
  FacTeR-Checkは、ファクトチェックされた情報の検索、未確認のクレームの検証、ソーシャルメディア上での危険な情報の追跡を可能にする。 このアーキテクチャは、NLI19-SPと呼ばれる新しいデータセットを使って検証されている。 この結果から,各ベンチマークにおける最先端性能と,61種類のホアックスの時間経過に伴う進化の有用な解析結果が得られた。
  論文  参考訳（メタデータ） (2021-10-27T15:44:54Z)
• Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
  顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。 これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
  論文  参考訳（メタデータ） (2021-09-21T16:18:45Z)
• Towards Measuring Bias in Image Classification [61.802949761385]
  畳み込みニューラルネットワーク(CNN)は、主要なコンピュータビジョンタスクの最先端技術となっている。 しかし、複雑な構造のため、その決定は産業世界の何らかの文脈での使用を制限するかを理解することは困難である。 帰属マップによるデータのバイアスを明らかにするための体系的なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-07-01T10:50:39Z)
• Detection of fake news on CoViD-19 on Web Search Engines [0.0]
  中国が新型ウイルスの最初の症例(SARS-CoV-2)を報告した後、信頼性が低く、正確な情報がウイルス自体よりも早く拡散し始めた。 本研究は,検索エンジンを経由するテキスト情報を取り込んで解析することにより,誤用や偽コンテンツの検出を目標としている。
  論文  参考訳（メタデータ） (2021-03-22T13:07:26Z)
• Intrusion detection in computer systems by using artificial neural networks with Deep Learning approaches [0.0]
  コンピュータネットワークへの侵入検知は、サイバーセキュリティにおける最も重要な問題の1つとなっている。 本稿では,ディープラーニングアーキテクチャに基づく侵入検知システムの設計と実装に焦点を当てる。
  論文  参考訳（メタデータ） (2020-12-15T19:12:23Z)
• Phishing Detection Using Machine Learning Techniques [0.0]
  ファイシャーは、個人情報を盗むために、ソーシャルエンジニアリングやモックアップのウェブサイトを作成して被害者を騙そうとする。 これらの悪意のあるアクティビティを検出する最も成功した方法の1つは、機械学習である。 本稿では,フィッシングサイトを予測するための複数の機械学習手法の結果を比較した。
  論文  参考訳（メタデータ） (2020-09-20T11:52:52Z)
• Linked Credibility Reviews for Explainable Misinformation Detection [1.713291434132985]
  本稿では,誤情報検出に協力する分散ボットのネットワーク構築に使用できるCR(Credibility Reviews)のコアコンセプトに基づくアーキテクチャを提案する。 CRは、(i)Webコンテンツのグラフを構成するためのビルディングブロックとして機能し、(ii)既存の信頼性信号 --fact-checked claimsとWebサイトの評判評価 -- を構成し、(iii)自動的に計算されたレビューを生成する。 このアーキテクチャは、.orgへの軽量な拡張と、意味的類似性と姿勢検出のための汎用的なNLPタスクを提供するサービスの上に実装されている。
  論文  参考訳（メタデータ） (2020-08-28T16:55:43Z)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)

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。