論文の概要: Signed Latent Factors for Spamming Activity Detection
- arxiv url: http://arxiv.org/abs/2209.13814v1
- Date: Wed, 28 Sep 2022 03:39:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-24 19:50:55.631168
- Title: Signed Latent Factors for Spamming Activity Detection
- Title(参考訳): スキャミングアクティビティ検出のための符号付き潜時因子
- Authors: Yuli Liu
- Abstract要約: 署名された潜伏要因を利用して不正行為をフィルタリングする新しい試みを提案する。
複数のオンラインアプリケーションのスパム汚染されたリレーショナルデータセットは、統一された署名ネットワークによって解釈される。
様々な種類のWebアプリケーションの実世界のデータセットに対する実験は、LFMモデルがスパム行為の検出において最先端のベースラインを上回っていることを示している。
- 参考スコア(独自算出の注目度): 1.8275108630751844
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Due to the increasing trend of performing spamming activities (e.g., Web
spam, deceptive reviews, fake followers, etc.) on various online platforms to
gain undeserved benefits, spam detection has emerged as a hot research issue.
Previous attempts to combat spam mainly employ features related to metadata,
user behaviors, or relational ties. These works have made considerable progress
in understanding and filtering spamming campaigns. However, this problem
remains far from fully solved. Almost all the proposed features focus on a
limited number of observed attributes or explainable phenomena, making it
difficult for existing methods to achieve further improvement. To broaden the
vision about solving the spam problem and address long-standing challenges
(class imbalance and graph incompleteness) in the spam detection area, we
propose a new attempt of utilizing signed latent factors to filter fraudulent
activities. The spam-contaminated relational datasets of multiple online
applications in this scenario are interpreted by the unified signed network.
Two competitive and highly dissimilar algorithms of latent factors mining (LFM)
models are designed based on multi-relational likelihoods estimation (LFM-MRLE)
and signed pairwise ranking (LFM-SPR), respectively. We then explore how to
apply the mined latent factors to spam detection tasks. Experiments on
real-world datasets of different kinds of Web applications (social media and
Web forum) indicate that LFM models outperform state-of-the-art baselines in
detecting spamming activities. By specifically manipulating experimental data,
the effectiveness of our methods in dealing with incomplete and imbalanced
challenges is valida
- Abstract(参考訳): 様々なオンラインプラットフォーム上でスパム行為(Webスパム、偽レビュー、偽フォロワーなど)を行う傾向が高まり、保存されていない利益を得るためにスパム検出がホットな研究課題として浮上している。
スパムに対処する以前の試みは、主にメタデータ、ユーザの振る舞い、リレーショナルな結びつきに関連する機能を利用している。
これらの研究はスパムキャンペーンの理解とフィルタリングに大きな進歩をもたらした。
しかし、この問題は完全な解決には程遠い。
提案された機能のほとんどは、限られた数の観察可能な属性や説明可能な現象に焦点を当てており、既存の方法がさらなる改善を達成するのが困難である。
スパム検出領域におけるスパム問題の解決と長期的課題(クラス不均衡とグラフ不完全性)に対処するための新たな試みとして,署名された潜伏要因を利用して不正行為をフィルタリングする手法を提案する。
このシナリオにおける複数のオンラインアプリケーションのスパム汚染リレーショナルデータセットは、統合署名ネットワークによって解釈される。
遅延因子マイニング(LFM-MRLE)モデルと符号付きペアワイドランキング(LFM-SPR)の2つの競合アルゴリズムと高相似アルゴリズムをそれぞれ設計する。
次に,スパム検出タスクに潜伏要因を適用する方法について検討する。
様々な種類のWebアプリケーション(ソーシャルメディアとWebフォーラム)の現実のデータセットに対する実験は、LFMモデルがスパム行為の検出において最先端のベースラインを上回っていることを示している。
実験データを具体的に操作することで,不完全かつ不均衡な課題に対処する手法の有効性が検証できる。
関連論文リスト
- Amortizing intractable inference in large language models [56.92471123778389]
難治性後部分布のサンプルとして, 償却ベイズ推定を用いる。
我々は,LLMファインチューニングの分散マッチングパラダイムが,最大習熟の代替となることを実証的に実証した。
重要な応用として、チェーン・オブ・ソート推論を潜在変数モデリング問題として解釈する。
論文 参考訳(メタデータ) (2023-10-06T16:36:08Z) - Interactive Graph Convolutional Filtering [79.34979767405979]
インタラクティブ・レコメンダ・システム(IRS)は、パーソナライズされた記事レコメンデーション、ソーシャルメディア、オンライン広告など、さまざまな領域でますます利用されている。
これらの問題は、コールドスタート問題とデータスポーサリティ問題によって悪化する。
既存のMulti-Armed Bandit手法は、慎重に設計された探査戦略にもかかわらず、しばしば初期の段階で満足な結果を提供するのに苦労する。
提案手法は,ユーザとアイテム間の協調フィルタリング性能を向上させるため,協調フィルタリングをグラフモデルに拡張する。
論文 参考訳(メタデータ) (2023-09-04T09:02:31Z) - 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) - Fraud Dataset Benchmark and Applications [25.184342958800293]
Fraud dataset Benchmark(FDB)は、不正検出に特化した公開データセットのコンパイルである。
FDBには、不正なカード非表示トランザクションの識別、ボット攻撃の検出、悪意のあるURLの分類、コンテンツモデレーションに対するローンのデフォルトリスクの推定など、さまざまな不正関連タスクが含まれている。
FDB用のPythonベースのライブラリは、標準化されたトレーニングとテストの分割を伴うデータローディングのための一貫したAPIを提供する。
論文 参考訳(メタデータ) (2022-08-30T17:35:39Z) - Modeling User Behavior With Interaction Networks for Spam Detection [4.795582035438343]
Spamは、Webスケールのデジタルプラットホームを悩ませる深刻な問題だ。
本稿では,新しいグラフフレームワーク上でのスパム検出モデルSEINEを提案する。
我々のモデルは、エッジタイプや属性とともに近隣を考慮し、幅広いスパマーを捕捉することができる。
論文 参考訳(メタデータ) (2022-07-21T21:34:56Z) - Deep convolutional forest: a dynamic deep ensemble approach for spam
detection in text [219.15486286590016]
本稿では,スパム検出のための動的深層アンサンブルモデルを提案する。
その結果、このモデルは高い精度、リコール、f1スコア、98.38%の精度を達成した。
論文 参考訳(メタデータ) (2021-10-10T17:19:37Z) - Supervised Feature Selection Techniques in Network Intrusion Detection:
a Critical Review [9.177695323629896]
機械学習技術は、ネットワーク侵入検出の貴重なサポートになりつつある。
データトラフィックを特徴付ける膨大な多様性と多数の機能に対処することは難しい問題です。
機能領域を縮小し、最も重要な機能のみを保持することで、FS(Feature Selection)はネットワーク管理において重要な前処理ステップとなる。
論文 参考訳(メタデータ) (2021-04-11T08:42:01Z) - Leveraging Multi-level Dependency of Relational Sequences for Social
Spammer Detection [14.203689072168672]
MDM(Multi-level Dependency Model)は、リレーショナルシーケンスに隠されたユーザの長期依存を活用できる。
実世界のマルチリレーショナルソーシャルネットワークにおける実験結果から,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2020-09-14T07:11:17Z) - Multi-scale Interactive Network for Salient Object Detection [91.43066633305662]
本稿では,隣接レベルからの機能を統合するためのアグリゲート・インタラクション・モジュールを提案する。
より効率的なマルチスケール機能を得るために、各デコーダユニットに自己相互作用モジュールを埋め込む。
5つのベンチマークデータセットによる実験結果から,提案手法は後処理を一切行わず,23の最先端手法に対して良好に動作することが示された。
論文 参考訳(メタデータ) (2020-07-17T15:41:37Z) - Robust Spammer Detection by Nash Reinforcement Learning [64.80986064630025]
我々は,スパマーとスパム検知器が互いに現実的な目標を競うミニマックスゲームを開発する。
提案アルゴリズムは,スパマーが混在するスパマーが実用目標を達成するのを確実に防止できる平衡検出器を確実に見つけることができることを示す。
論文 参考訳(メタデータ) (2020-06-10T21:18:07Z)
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。