論文の概要: Scrutinizing Shipment Records To Thwart Illegal Timber Trade

• arxiv url: http://arxiv.org/abs/2208.00493v1
• Date: Sun, 31 Jul 2022 18:54:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-02 13:07:24.920466
• Title: Scrutinizing Shipment Records To Thwart Illegal Timber Trade
• Title（参考訳）: 不法取引を阻止するために出荷記録を精査
• Authors: Debanjan Datta, Sathappan Muthiah, John Simeone, Amelia Meadows, Naren Ramakrishnan
• Abstract要約: 木材・森林製品産業における 灰色と黒色の市場活動は 木材が収穫された国に限らず 世界のサプライチェーン全体に広がっています 既存のアプローチは、大規模な貿易データへの適用性において、ある種の欠点に悩まされている。 本稿では,大規模な異種データに適用可能なコントラスト学習に基づく異種異常検出(CHAD)を提案する。
• 参考スコア（独自算出の注目度）: 14.559268536152926
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Timber and forest products made from wood, like furniture, are valuable commodities, and like the global trade of many highly-valued natural resources, face challenges of corruption, fraud, and illegal harvesting. These grey and black market activities in the wood and forest products sector are not limited to the countries where the wood was harvested, but extend throughout the global supply chain and have been tied to illicit financial flows, like trade-based money laundering, document fraud, species mislabeling, and other illegal activities. The task of finding such fraudulent activities using trade data, in the absence of ground truth, can be modelled as an unsupervised anomaly detection problem. However existing approaches suffer from certain shortcomings in their applicability towards large scale trade data. Trade data is heterogeneous, with both categorical and numerical attributes in a tabular format. The overall challenge lies in the complexity, volume and velocity of data, with large number of entities and lack of ground truth labels. To mitigate these, we propose a novel unsupervised anomaly detection -- Contrastive Learning based Heterogeneous Anomaly Detection (CHAD) that is generally applicable for large-scale heterogeneous tabular data. We demonstrate our model CHAD performs favorably against multiple comparable baselines for public benchmark datasets, and outperforms them in the case of trade data. More importantly we demonstrate our approach reduces assumptions and efforts required hyperparameter tuning, which is a key challenging aspect in an unsupervised training paradigm. Specifically, our overarching objective pertains to detecting suspicious timber shipments and patterns using Bill of Lading trade record data. Detecting anomalous transactions in shipment records can enable further investigation by government agencies and supply chain constituents.
• Abstract（参考訳）: 家具のような木材や森林製品は貴重な商品であり、多くの価値の高い天然資源の世界的な貿易と同様に、腐敗や詐欺、違法な収穫といった課題に直面している。 木材・森林製品部門におけるこれらの灰色・黒色の市場活動は、木材が収穫された国に限らず、世界的なサプライチェーン全体に広がり、貿易ベースのマネーロンダリング、文書詐欺、種誤記、その他の違法な活動など、不正な金融フローに結びついている。 このような取引データを用いた不正行為の発見作業は、根本事実がない場合には、教師なし異常検出問題としてモデル化することができる。 しかし、既存のアプローチは、大規模な貿易データの適用性にある種の欠点を負っている。 取引データは、表形式でカテゴリと数値の属性の両方を持つ異種である。 全体的な課題は、大量のエンティティと基礎となる真理ラベルの欠如によって、データの複雑さ、ボリューム、速度にある。 そこで本研究では, 大規模不均質表データに適用可能な, 教師なし不連続学習型不均質異常検出 (chad) を提案する。 当社のモデルchadは、公開ベンチマークデータセットの複数の比較ベースラインに対して好適に動作し、取引データの場合よりも優れています。 さらに重要なことは、我々のアプローチがハイパーパラメータチューニングを必要とする仮定と労力を減らすことを実証することです。 具体的には,ラディング取引記録データを用いて,疑わしい木材の出荷状況やパターンを検出することを目的とした。 出荷記録における異常取引の検出は、政府機関やサプライチェーン構成員によるさらなる調査を可能にする。

関連論文リスト

• A Random Forest approach to detect and identify Unlawful Insider Trading [0.0]
  本研究では、不正なインサイダー取引を検出するために、エンドツーエンドの自動ステート・オブ・アーティファクト手法を実装した。 我々の最高の業績モデルは96.43パーセントの取引を正確に分類した。 分類タスクに加え、モデル生成したGini Impurityベースの特徴ランキングでは、置換値に基づくオーナシップとガバナンス関連の特徴が重要な役割を担っている。
  論文  参考訳（メタデータ） (2024-11-09T18:01:19Z)
• Thinking Racial Bias in Fair Forgery Detection: Models, Datasets and Evaluations [63.52709761339949]
  最初に、Fair Forgery Detection(FairFD)データセットと呼ばれる専用のデータセットをコントリビュートし、SOTA(Public State-of-the-art)メソッドの人種的偏見を証明する。 我々は、偽りの結果を避けることができる平均的メトリクスと実用正規化メトリクスを含む新しいメトリクスを設計する。 また,有効で堅牢な後処理技術であるBias Pruning with Fair Activations (BPFA)も提案する。
  論文  参考訳（メタデータ） (2024-07-19T14:53:18Z)
• Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
  本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。 実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
  論文  参考訳（メタデータ） (2024-06-05T20:19:09Z)
• From Chaos to Clarity: Claim Normalization to Empower Fact-Checking [57.024192702939736]
  Claim Normalization(別名 ClaimNorm)は、複雑でノイズの多いソーシャルメディア投稿を、より単純で分かりやすい形式に分解することを目的としている。 本稿では,チェーン・オブ・ソートとクレーム・チェック・バシネス推定を利用した先駆的アプローチであるCACNを提案する。 実験により, CACNは様々な評価尺度において, いくつかの基準値を上回る性能を示した。
  論文  参考訳（メタデータ） (2023-10-22T16:07:06Z)
• Deep Semi-Supervised Anomaly Detection for Finding Fraud in the Futures Market [0.0]
  本稿では,高頻度金融データにおける不正検出のための深部半教師付き異常検出技術であるDeep SADの有効性を評価することを目的とする。 我々は、モンローのTMX交換所からの独占的なリミットオーダーの帳簿データと、偽造の小さなラベル付き事例を用いて、Deep SADを評価する。 本研究では,少数のラベル付きデータを教師なし異常検出フレームワークに組み込むことで,その精度を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2023-08-31T19:07:50Z)
• 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)
• Toward the Automated Construction of Probabilistic Knowledge Graphs for the Maritime Domain [60.76554773885988]
  国際海事犯罪はますます高度化しており、より広い犯罪ネットワークと結びついていることが多い。 これは、ハードデータと他のタイプのデータを組み合わせることを目的とした研究と開発に繋がった。 本稿では,確率的知識グラフの自動構築のためのプロトタイプであるMaritime DeepDiveを提案する。
  論文  参考訳（メタデータ） (2023-05-04T00:24:30Z)
• A machine learning model to identify corruption in M\'exico's public procurement contracts [0.0]
  本稿では,M'exicoの公開調達データから不正契約を識別し,予測する機械学習モデルを提案する。 このモデルで考慮された最も重要な予測要因は、買い手とサプライヤーの関係に関するものである。 我々の研究は、公的調達契約における汚職を特定し、予測し、分析するための意思決定プロセスを支援するツールを提示します。
  論文  参考訳（メタデータ） (2022-10-25T01:22:41Z)
• Customs Import Declaration Datasets [12.306592823750385]
  我々は、税関行政におけるドメインエキスパートと多様なドメインの研究者の協力を促進するために、インポート宣言データセットを導入する。 データセットには、54,000の人工的に生成された取引と22のキー属性が含まれている。 我々は、より高度なアルゴリズムが詐欺を検知しやすくすることを実証的に示している。
  論文  参考訳（メタデータ） (2022-08-04T06:20:20Z)
• Towards Real-World Prohibited Item Detection: A Large-Scale X-ray Benchmark [53.9819155669618]
  本稿では,PIDrayと命名された大規模データセットについて述べる。 大量の努力を払って、私たちのデータセットには、高品質な注釈付きセグメンテーションマスクとバウンディングボックスを備えた47,677ドルのX線画像に、禁止アイテムの12ドルカテゴリが含まれています。 提案手法は最先端の手法に対して,特に故意に隠された項目を検出するために好適に機能する。
  論文  参考訳（メタデータ） (2021-08-16T11:14:16Z)
• Detecting Anomalies Through Contrast in Heterogeneous Data [21.56932906044264]
  先行モデルの欠点に対処するために,コントラスト学習に基づく異種異常検出器を提案する。 我々のモデルは非対称オートエンコーダを使い、大きなarity カテゴリ変数を効果的に処理できる。 木材取引における異常検出におけるモデルの有効性を示す質的研究を行った。
  論文  参考訳（メタデータ） (2021-04-02T17:21:12Z)

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。