論文の概要: An Investigation And Insight Into Terrorism In Nigeria

• arxiv url: http://arxiv.org/abs/2109.11023v2
• Date: Wed, 5 Jan 2022 16:23:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-14 01:00:42.666620
• Title: An Investigation And Insight Into Terrorism In Nigeria
• Title（参考訳）: ナイジェリアのテロリズムに関する調査と洞察
• Authors: Aamo Iorliam, Raymond U. Dugeri, Beatrice O. Akumba, Samera Otor, and Yahaya I. Shehu
• Abstract要約: 本稿では,1970年から2019年までのナイジェリアにおけるテロ活動について検討する。 テロ攻撃の発生、標的の地域、そしてそのような攻撃の成功率と失敗率に注目している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Terrorism is one of the most life-challenging threats facing humanity worldwide. The activities of terrorist organizations threaten peace, disrupts progress, and halt the development of any nation. Terrorist activities in Nigeria in the last decades have negatively affected economic growth and have drastically reduced the possibilities of foreign investments in Nigeria. In this paper, statistical and inferential insights are applied to the terrorist activities in Nigeria from 1970 to 2019. Using the Global Terrorism Database (GTD), insights are made on the occurrences of terrorist attacks, the localities of the target, and the successful and unsuccessful rates of such attacks. The Apriori algorithm is also used in this paper to draw hidden patterns from the GTD to aid in generating strong rules through database mining, resulting in relevant insights. This understanding of terrorist activities will provide security agencies with the needed information to be one step ahead of terrorists in making the right decisions targeted at curbing terrorism in Nigeria.
• Abstract（参考訳）: テロリズムは、人類が直面する最も命にかかわる脅威の1つである。 テロ組織の活動は平和を脅かし、進歩を妨害し、いかなる国家の発展も阻止する。 過去数十年間のナイジェリアでのテロ活動は経済成長に悪影響を及ぼし、ナイジェリアにおける外国投資の可能性を大幅に減らした。 本稿では,1970年から2019年にかけてのナイジェリアのテロ活動に対して,統計的および推論的洞察を適用した。 グローバルテロデータベース(GTD)を用いて、テロ攻撃の発生、標的の地域、そしてそのような攻撃の成功率と失敗率に関する洞察が得られる。 本稿では,データベースマイニングによる強力なルール生成を支援するために,GTDから隠れパターンを抽出するために,Aprioriアルゴリズムを用いる。 このテロ活動の理解は、ナイジェリアのテロリズムを抑制するための適切な判断を下す上で、テロリストより一歩先立つために必要な情報を提供する。

関連論文リスト

• Global Challenge for Safe and Secure LLMs Track 1 [57.08717321907755]
  LLM(Global Challenge for Safe and Secure Large Language Models)は、AI Singapore(AISG)とCyberSG R&D Programme Office(CRPO)が主催する先駆的イニシアチブである。 本稿では,AI Singapore(AISG)とCyberSG R&D Programme Office(CRPO)が組織した先駆的イニシアチブであるLLM(Global Challenge for Safe and Secure Large Language Models)を紹介する。
  論文  参考訳（メタデータ） (2024-11-21T08:20:31Z)
• Defining and Evaluating Physical Safety for Large Language Models [62.4971588282174]
  大型言語モデル (LLM) は、ドローンのようなロボットシステムを制御するためにますます使われている。 現実世界のアプリケーションに物理的な脅威や害をもたらすリスクは、まだ解明されていない。 我々は,ドローンの物理的安全性リスクを,(1)目標脅威,(2)目標脅威,(3)インフラ攻撃,(4)規制違反の4つのカテゴリに分類する。
  論文  参考訳（メタデータ） (2024-11-04T17:41:25Z)
• Steal Now and Attack Later: Evaluating Robustness of Object Detection against Black-box Adversarial Attacks [47.9744734181236]
  AIサービスの潜在的な脆弱性を悪用するために、"steal now, later"攻撃を使用できる。 攻撃の平均費用は1ドル未満で、AIセキュリティに重大な脅威をもたらす。
  論文  参考訳（メタデータ） (2024-04-24T13:51:56Z)
• Towards more Practical Threat Models in Artificial Intelligence Security [66.67624011455423]
  最近の研究で、人工知能のセキュリティの研究と実践のギャップが特定されている。 我々は、AIセキュリティ研究で最も研究されている6つの攻撃の脅威モデルを再検討し、実際にAIの使用と一致させる。
  論文  参考訳（メタデータ） (2023-11-16T16:09:44Z)
• Privacy in Large Language Models: Attacks, Defenses and Future Directions [84.73301039987128]
  大規模言語モデル(LLM)を対象とした現在のプライバシ攻撃を分析し、敵の想定能力に応じて分類する。 本稿では、これらのプライバシー攻撃に対抗するために開発された防衛戦略について概説する。
  論文  参考訳（メタデータ） (2023-10-16T13:23:54Z)
• High Accuracy Location Information Extraction from Social Network Texts Using Natural Language Processing [0.0]
  本稿では、ソーシャルネットワークからテキストを使って必要な情報を抽出し、テロ攻撃予測のための適切なデータセットを構築する研究プロジェクトの一部である。 私たちはブルキナファソでテロに関する3000のソーシャルネットワークのテキストを収集し、既存のNLPソリューションを試すためにサブセットを使用しました。 実験の結果,既存の解法は位置認識の精度が低く,解法が解けることがわかった。
  論文  参考訳（メタデータ） (2023-08-31T10:21:24Z)
• Prediction of terrorism pattern accompanied by cyber-terrorism and the development direction of corresponding legal systems [0.0]
  テロリスト集団のサイバー攻撃資産へのアクセスが向上するにつれて、伝統的なテロ形態もサイバーテロと組み合わせた形態に変化することが期待されている。 国家安全保障の観点から見れば、韓国はサイバーテロに対する準備と対応のための法制度を欠いている。
  論文  参考訳（メタデータ） (2022-03-05T00:21:15Z)
• Fighting Money Laundering with Statistics and Machine Learning [95.42181254494287]
  反マネーロンダリングのための統計的および機械学習手法に関する科学的文献はほとんどない。 本研究では,クライアントのリスクプロファイリングと疑わしい行動フラグングという2つの中心的要素を持つ統一用語を提案する。
  論文  参考訳（メタデータ） (2022-01-11T21:31:18Z)
• Framework for Managing Cybercrime Risks in Nigerian Universities [0.0]
  この研究は文献レビューに基づいており、ナイジェリアの大学がサイバーセキュリティプログラムに採用できる実行可能なフレームワークをどのように開発するかを提案している。 この枠組みは、ナイジェリアの大学が効率的かつ効果的なサイバーセキュリティプログラムを立案する上で、有益な出発点となると結論付けている。
  論文  参考訳（メタデータ） (2021-08-22T15:24:32Z)
• Learning future terrorist targets through temporal meta-graphs [8.813290741555994]
  本稿では,時間的メタグラフと深層学習を用いて将来のテロリストの標的を予測することを提案する。 我々は、各次元における各特徴の時間的中心性を測定する2日間の時系列を導出する。 テロリスト俳優の戦略行動の文脈で問題を定式化することで、これらの多変量時系列シーケンスは、選択されるリスクが最も高いターゲットタイプを知るために利用される。
  論文  参考訳（メタデータ） (2021-04-21T08:09:57Z)
• A Bayesian decision support system for counteracting activities of terrorist groups [0.0]
  テロ組織は一般市民の安全と幸福を脅かす。 このような監視可能な行動と通信データは、テロリストグループによって引き起こされる脅威を推定するために当局によって利用することができる。 ここでは、テロ集団の各メンバーに関する情報と、その集団の複合活動に関する情報をまとめるベイズ統合意思決定支援システムを開発する。
  論文  参考訳（メタデータ） (2020-07-08T20:23:25Z)

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。