論文の概要: Adverse Media Mining for KYC and ESG Compliance
- arxiv url: http://arxiv.org/abs/2110.11542v1
- Date: Fri, 22 Oct 2021 01:04:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-25 15:21:09.303576
- Title: Adverse Media Mining for KYC and ESG Compliance
- Title(参考訳): KYCとESGコンプライアンスのための逆メディアマイニング
- Authors: Rupinder Paul Khandpur, Albert Aristotle Nanda, Mathew Davis, Chen Li,
Daulet Nurmanbetov, Sankalp Gaur and Ashit Talukder
- Abstract要約: 逆メディアやネガティブニュースのスクリーニングは、そのような非金融的リスクの特定に不可欠である。
本稿では,ユーザのクエリに対する有害メディアのリアルタイム検索とバッチ検索の両方を行う自動化システムを提案する。
高精度で有害なニュースフィルタリングに対する、スケーラブルで機械学習によるアプローチは、4つの視点に基づいています。
- 参考スコア(独自算出の注目度): 2.381399746981591
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In recent years, institutions operating in the global market economy face
growing risks stemming from non-financial risk factors such as cyber,
third-party, and reputational outweighing traditional risks of credit and
liquidity. Adverse media or negative news screening is crucial for the
identification of such non-financial risks. Typical tools for screening are not
real-time, involve manual searches, require labor-intensive monitoring of
information sources. Moreover, they are costly processes to maintain up-to-date
with complex regulatory requirements and the institution's evolving risk
appetite.
In this extended abstract, we present an automated system to conduct both
real-time and batch search of adverse media for users' queries (person or
organization entities) using news and other open-source, unstructured sources
of information. Our scalable, machine-learning driven approach to
high-precision, adverse news filtering is based on four perspectives -
relevance to risk domains, search query (entity) relevance, adverse sentiment
analysis, and risk encoding. With the help of model evaluations and case
studies, we summarize the performance of our deployed application.
- Abstract(参考訳): 近年、グローバル市場経済で活動する機関は、サイバーや第三者などの非金融的リスク要因によるリスクの増加に直面しており、従来の信用と流動性のリスクよりも高い評価を受けている。
逆メディアやネガティブニューススクリーニングは、そのような非金融的リスクの特定に不可欠である。
典型的なスクリーニングツールはリアルタイムではなく、手動で検索し、労働集約的な情報ソースの監視を必要とする。
さらに、複雑な規制要件を最新に保つためのコストのかかるプロセスであり、制度の進化するリスク欲求である。
この拡張要約では、ニュースや他のオープンソースの非構造化情報ソースを用いて、ユーザのクエリ(個人または組織エンティティ)に対する有害メディアのリアルタイムおよびバッチ検索を行う自動システムを提案する。
我々のスケーラブルで機械学習による、高精度で有害なニュースフィルタリングアプローチは、リスクドメインに対する4つの観点、検索クエリ(関心)の関連性、ネガティブな感情分析、リスクエンコーディングに基づいています。
モデル評価とケーススタディの助けを借りて、デプロイされたアプリケーションのパフォーマンスを要約する。
関連論文リスト
- Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。
このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。
適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
論文 参考訳(メタデータ) (2024-03-21T14:48:37Z) - Mapping LLM Security Landscapes: A Comprehensive Stakeholder Risk Assessment Proposal [0.0]
本稿では,従来のシステムにおけるリスク評価手法のようなツールを用いたリスク評価プロセスを提案する。
我々は、潜在的な脅威要因を特定し、脆弱性要因に対して依存するシステムコンポーネントをマッピングするためのシナリオ分析を行う。
3つの主要株主グループに対する脅威もマップ化しています。
論文 参考訳(メタデータ) (2024-03-20T05:17:22Z) - Evaluating Robustness of Generative Search Engine on Adversarial Factual Questions [89.35345649303451]
生成検索エンジンは、人々がオンラインで情報を求める方法を変える可能性を秘めている。
しかし,既存の大規模言語モデル(LLM)が支援する生成検索エンジンからの応答は必ずしも正確ではない。
検索強化世代は、敵がシステム全体を回避できるため、安全上の懸念を増す。
論文 参考訳(メタデータ) (2024-02-25T11:22:19Z) - Mind the Gap: Securely modeling cyber risk based on security deviations
from a peer group [2.7910505923792646]
本稿では,特定の経済セクターにおいて,ピアに対するサイバー姿勢とサイバーリスクを推定する新たな枠組みを提案する。
我々は、組織とその仲間間の重み付けされたセキュリティギャップを表す、Defense Gap Indexと呼ばれる新しいトップライン変数を導入する。
このアプローチを,25の大企業から収集したデータを用いて,特定の分野に適用する。
論文 参考訳(メタデータ) (2024-02-06T17:22:45Z) - RCVaR: an Economic Approach to Estimate Cyberattacks Costs using Data
from Industry Reports [8.45831177335402]
本稿では、サイバーセキュリティコストを見積もる経済的なアプローチであるReal Cyber Value at Risk (RCVaR)を紹介する。
RCVaRは、様々な情報源から最も重要なサイバーリスク要因を特定し、それらの定量的結果を組み合わせて、企業の特定のサイバー攻撃コストを見積もる。
論文 参考訳(メタデータ) (2023-07-20T17:52:47Z) - The Ethical Risks of Analyzing Crisis Events on Social Media with
Machine Learning [0.7817685358710509]
ソーシャルメディアプラットフォームは、世界規模で危機イベントに関するリアルタイムニュースの連続ストリームを提供する。
いくつかの機械学習手法は、クラウドソースされたデータを用いて、危機の自動検出と、その前駆体と後駆体のキャラクタリゼーションを行う。
本研究は、機械学習手法に着目した危機事象のソーシャルメディア分析における倫理的リスク要因を特定し、分析する。
論文 参考訳(メタデータ) (2022-10-07T06:54:54Z) - Towards Automated Classification of Attackers' TTPs by combining NLP
with ML Techniques [77.34726150561087]
我々は,NLP(Natural Language Processing)と,研究におけるセキュリティ情報抽出に使用される機械学習技術の評価と比較を行った。
本研究では,攻撃者の戦術や手法に従って非構造化テキストを自動的に分類するデータ処理パイプラインを提案する。
論文 参考訳(メタデータ) (2022-07-18T09:59:21Z) - Heterogeneous Information Network based Default Analysis on Banking
Micro and Small Enterprise Users [18.32345474014549]
バンキングデータのグラフを考察し,その目的のために新しいHIDAMモデルを提案する。
MSEの特徴表現を強化するため,メタパスを通してインタラクティブな情報を抽出し,経路情報を完全に活用する。
実験結果から,HIDAMが現実の銀行データにおいて最先端の競争相手を上回ることが確認された。
論文 参考訳(メタデータ) (2022-04-24T11:26:12Z) - 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) - Explanations of Machine Learning predictions: a mandatory step for its
application to Operational Processes [61.20223338508952]
信用リスクモデリングは重要な役割を果たす。
近年,機械学習や深層学習の手法が採用されている。
この分野における説明可能性問題に LIME 手法を適用することを提案する。
論文 参考訳(メタデータ) (2020-12-30T10:27:59Z) - PCAL: A Privacy-preserving Intelligent Credit Risk Modeling Framework
Based on Adversarial Learning [111.19576084222345]
本稿では,PCAL(Adversarial Learning)に基づくプライバシ保護型信用リスクモデリングの枠組みを提案する。
PCALは、ターゲット予測タスクのパフォーマンスの重要なユーティリティ情報を維持しながら、元のデータセット内のプライベート情報を隠蔽することを目的としている。
結果は,PCALがユーザデータから効果的なプライバシフリー表現を学習し,信用リスク分析のためのプライバシ保存機械学習の基盤となることを示唆している。
論文 参考訳(メタデータ) (2020-10-06T07:04:59Z)
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。