論文の概要: Toward Intention Discovery for Early Malice Detection in Bitcoin

• arxiv url: http://arxiv.org/abs/2209.12001v1
• Date: Sat, 24 Sep 2022 13:04:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 14:38:07.964502
• Title: Toward Intention Discovery for Early Malice Detection in Bitcoin
• Title（参考訳）: Bitcoinにおける早期マス検出のための意図発見に向けて
• Authors: Ling Cheng, Feida Zhu, Yong Wang, Huiwen Liu
• Abstract要約: 理想的な検出モデルは, (I) 早期検出, (II) 良好な解釈性, (III) 様々な不正行為に対する汎用性の3つの特性をすべて達成できることが期待される。 アドレスの初期特性を記述した資産移動経路を提案する。 階層的自己注意予測器は、所定のアドレスのラベルをリアルタイムで予測する。
• 参考スコア（独自算出の注目度）: 7.627156550422715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bitcoin has been subject to illicit activities more often than probably any other financial assets, due to the pseudo-anonymous nature of its transacting entities. An ideal detection model is expected to achieve all the three properties of (I) early detection, (II) good interpretability, and (III) versatility for various illicit activities. However, existing solutions cannot meet all these requirements, as most of them heavily rely on deep learning without satisfying interpretability and are only available for retrospective analysis of a specific illicit type. First, we present asset transfer paths, which aim to describe addresses' early characteristics. Next, with a decision tree based strategy for feature selection and segmentation, we split the entire observation period into different segments and encode each as a segment vector. After clustering all these segment vectors, we get the global status vectors, essentially the basic unit to describe the whole intention. Finally, a hierarchical self-attention predictor predicts the label for the given address in real time. A survival module tells the predictor when to stop and proposes the status sequence, namely intention. % With the type-dependent selection strategy and global status vectors, our model can be applied to detect various illicit activities with strong interpretability. The well-designed predictor and particular loss functions strengthen the model's prediction speed and interpretability one step further. Extensive experiments on three real-world datasets show that our proposed algorithm outperforms state-of-the-art methods. Besides, additional case studies justify our model can not only explain existing illicit patterns but can also find new suspicious characters.
• Abstract（参考訳）: Bitcoinは、おそらく他の金融資産よりも違法な活動にさらされている。 理想的な検出モデルは, (I) 早期検出, (II) 良好な解釈性, (III) 様々な不正行為に対する汎用性の3つの特性をすべて達成できることが期待される。 しかし、既存のソリューションは、解釈可能性を満たすことなくディープラーニングに強く依存しており、特定の不正なタイプの振り返り分析にのみ利用できるため、これらの要件をすべて満たすことはできない。 まず、アドレスの初期の特性を記述するために、アセット転送パスを提案する。 次に、特徴選択とセグメンテーションのための決定木に基づく戦略を用いて、観察期間全体を異なるセグメントに分割し、それぞれをセグメントベクトルとしてエンコードする。 これらのセグメントベクトルを全てクラスタ化すると、大域的なステータスベクトルが得られます。 最後に、階層的な自己注意予測器が与えられたアドレスのラベルをリアルタイムで予測する。 サバイバルモジュールは、いつ停止するか予測者に指示し、ステータスシーケンス、すなわち意図を提案する。 タイプ依存選択戦略とグローバルステータスベクターを用いて,本モデルは,高い解釈性を有する様々な不正行為の検出に応用できる。 良く設計された予測器と特定の損失関数は、モデルの予測速度と解釈可能性をさらに強化する。 3つの実世界のデータセットに関する広範囲な実験により,提案手法が最先端手法よりも優れていることが示された。 さらに、新たなケーススタディは、我々のモデルが既存の不正なパターンを説明するだけでなく、新しい不審な文字を見つけることもできることを正当化する。

関連論文リスト

• A Review of Bayesian Uncertainty Quantification in Deep Probabilistic Image Segmentation [0.0]
  画像セグメンテーションの進歩は、ディープラーニングベースのコンピュータビジョンの広い範囲において重要な役割を果たす。 この文脈において不確かさの定量化が広く研究され、モデル無知(認識の不確実性)やデータ曖昧さ(アラート的不確実性)を表現し、不正な意思決定を防ぐことができる。 この研究は、分野の進歩を左右する不確実性の基本概念と様々なタスクへの応用について議論することで、確率的セグメンテーションの包括的概要を提供する。
  論文  参考訳（メタデータ） (2024-11-25T13:26:09Z)
• Uniting contrastive and generative learning for event sequences models [51.547576949425604]
  本研究では,2つの自己指導型学習手法 – 例えば,コントラスト学習と,潜在空間におけるマスクイベントの復元に基づく生成的アプローチ – の統合について検討する。 いくつかの公開データセットで行った実験は、シーケンス分類と次点型予測に焦点を合わせ、統合された手法が個々の手法と比較して優れた性能を達成することを示した。
  論文  参考訳（メタデータ） (2024-08-19T13:47:17Z)
• Segment Anything Model for automated image data annotation: empirical studies using text prompts from Grounding DINO [0.0]
  DINOとSAM(Segment Anything Model)は、ゼロショットオブジェクトの検出と画像のセグメンテーションにおいて、優れたパフォーマンスを実現している。 評価可能な信頼度スコアを持つ偽陽性検出が画像領域を占有しており、通常、相対的なサイズでフィルタリング可能であることを示す。 また、手動によるアプローチよりもセグメンテーション性能とアノテーションの保存時間が大幅に改善されたことを報告した。
  論文  参考訳（メタデータ） (2024-06-27T10:08:29Z)
• From Asset Flow to Status, Action and Intention Discovery: Early Malice Detection in Cryptocurrency [9.878712887719978]
  理想的な検出モデルは, (I) 早期検出, (II) 良好な解釈性, (III) 様々な不正行為に対する汎用性の3つの重要な特性をすべて達成できることが期待される。 Intention-Monitor for early malice detection in Bitcoin (BTC)では、特定のアドレスのオンチェーンレコードデータが他の暗号通貨プラットフォームよりもはるかに少ない。 我々のモデルは高度に解釈可能であり、様々な違法な活動を検出することができる。
  論文  参考訳（メタデータ） (2023-09-26T07:12:59Z)
• Probabilistic Test-Time Generalization by Variational Neighbor-Labeling [62.158807685159736]
  本稿では、ドメインの一般化を試み、モデルが未確認のターゲットドメインにデプロイされる前に、ソースドメインにのみトレーニングされる。 ソーストレーニングされたモデルをテスト時にターゲットドメインに一般化するための、ターゲットサンプルの擬似ラベル化の確率。 より堅牢な擬似ラベルを生成するために、近隣のターゲットサンプルの情報を含む変分隣接ラベル。
  論文  参考訳（メタデータ） (2023-07-08T18:58:08Z)
• DisenHCN: Disentangled Hypergraph Convolutional Networks for Spatiotemporal Activity Prediction [53.76601630407521]
  本稿では,既存のソリューションのギャップを埋めるために,DistenHCNと呼ばれるハイパーグラフネットワークモデルを提案する。 特に,ユーザの好みと時間的活動の複雑なマッチングをヘテロジニアスなハイパーグラフにまとめる。 次に、ユーザ表現を異なる側面(位置認識、時間認識、活動認識)に切り離し、構築したハイパーグラフ上に対応するアスペクトの特徴を集約する。
  論文  参考訳（メタデータ） (2022-08-14T06:51:54Z)
• Attentional Prototype Inference for Few-Shot Segmentation [128.45753577331422]
  数発のセグメンテーションのための確率的潜在変数フレームワークである注意型プロトタイプ推論(API)を提案する。 我々は各オブジェクトカテゴリのプロトタイプを表現するためにグローバル潜在変数を定義し、確率分布としてモデル化する。 我々は4つのベンチマークで広範な実験を行い、提案手法は最先端のプロトタイプベースの手法よりも、少なくとも競争力があり、しばしば優れた性能が得られる。
  論文  参考訳（メタデータ） (2021-05-14T06:58:44Z)
• Target-Aware Object Discovery and Association for Unsupervised Video Multi-Object Segmentation [79.6596425920849]
  本稿では,教師なしビデオマルチオブジェクトセグメンテーションの課題について述べる。 より正確で効率的な時間区分のための新しいアプローチを紹介します。 DAVIS$_17$とYouTube-VISに対する提案手法を評価した結果,セグメント化精度と推論速度の両方において最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-04-10T14:39:44Z)
• Learning to Separate Clusters of Adversarial Representations for Robust Adversarial Detection [50.03939695025513]
  本稿では,最近導入された非破壊的特徴を動機とした新しい確率的対向検出器を提案する。 本稿では,非ロバスト特徴を逆例の共通性と考え,その性質に対応する表現空間におけるクラスターの探索が可能であることを推定する。 このアイデアは、別のクラスタ内の逆表現の確率推定分布を導出し、その分布を確率に基づく逆検出器として活用する。
  論文  参考訳（メタデータ） (2020-12-07T07:21:18Z)
• Parsimonious Feature Extraction Methods: Extending Robust Probabilistic Projections with Generalized Skew-t [0.8336315962271392]
  本稿では,学生の確率的主成分法に新たな一般化を提案する。 この新しいフレームワークは、観測データにおける端尾依存性の群をモデル化するための、より柔軟なアプローチを提供する。 新しいフレームワークの適用性は、最も高い市場資本を持つ暗号通貨からなるデータセットに説明されている。
  論文  参考訳（メタデータ） (2020-09-24T05:53:41Z)

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。