論文の概要: Collaborative Domain Blocking: Using federated NLP To Detect Malicious Domains

• arxiv url: http://arxiv.org/abs/2210.04088v1
• Date: Sat, 8 Oct 2022 18:52:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-11 19:34:37.973418
• Title: Collaborative Domain Blocking: Using federated NLP To Detect Malicious Domains
• Title（参考訳）: 協調的ドメインブロック:フェデレーションNLPによる悪性ドメインの検出
• Authors: Mohammad Ismail Daud
• Abstract要約: 本稿では,ネットワーク指向コンテンツの深いテキストパターンを調べることで,問題の解決を目的とした新しいシステムを提案する。 また,ネットワーク上でブロックすべきか否かに関して,ユーザが相互に局所的な知識/経験を活用できるフェデレート学習を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current content filtering and blocking methods are susceptible to various circumvention techniques and are relatively slow in dealing with new threats. This is due to these methods using shallow pattern recognition that is based on regular expression rules found in crowdsourced block lists. We propose a novel system that aims to remedy the aforementioned issues by examining deep textual patterns of network-oriented content relating to the domain being interacted with. Moreover, we propose to use federated learning that allows users to take advantage of each other's localized knowledge/experience regarding what should or should not be blocked on a network without compromising privacy. Our experiments show the promise of our proposed approach in real world settings. We also provide data-driven recommendations on how to best implement the proposed system.
• Abstract（参考訳）: 現在のコンテンツフィルタリングとブロック手法は、様々な回避技術に影響を受けやすく、新しい脅威に対処するのは比較的遅い。 これは、クラウドソースブロックリストに見られる正規表現規則に基づく浅層パターン認識を用いたこれらの手法によるものである。 そこで本稿では,ネットワーク指向コンテンツと対話するドメインの深いテキストパターンを調べることによって,上記の問題に対する対処を目的とした新しいシステムを提案する。 さらに,プライバシを損なうことなくネットワーク上でブロックされるべきかどうかに関して,ユーザが相互にローカル化された知識や経験を活用できるフェデレーション学習の利用を提案する。 本実験は,実環境における提案手法の有望性を示すものである。 また,提案システムの実装方法に関するデータ駆動型勧告も提供する。

関連論文リスト

• Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization [60.899082019130766]
  本稿では、フレームレベル検出ネットワーク(FDN)と、音声の時間的偽造検出とローカライゼーションのための改良ネットワーク(PRN)を提案する。 FDNは、偽のフレーム間で情報的不整合の手がかりを抽出し、偽の領域を大まかに示すのに有用な識別的特徴を得る。 PRNは、FDNから派生した粗粒度の提案を洗練するために、信頼スコアと回帰オフセットを予測する責任がある。
  論文  参考訳（メタデータ） (2024-07-23T15:07:52Z)
• Towards Universal Dense Blocking for Entity Resolution [49.06313308481536]
  ドメインに依存しない、容易に観測可能なコーパス上で事前学習を行う密集型ブロッカであるUniBlockerを提案する。 ドメインに依存しない事前トレーニングを行うことで、UniBlockerはドメイン固有の微調整を必要とせずに、さまざまなダウンストリームブロッキングシナリオに適応できる。 提案したUniBlockerは、ドメイン固有の学習を一切行わず、従来の自己および教師なしの密なブロッキング手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2024-04-23T08:39:29Z)
• Adversarial Client Detection via Non-parametric Subspace Monitoring in the Internet of Federated Things [3.280202415151067]
  Internet of Federated Things (IoFT)は、フェデレート学習をバックボーンとする相互接続システムのネットワークである。 本稿では、敵攻撃問題に対処する効果的な非パラメトリックアプローチFedRRを提案する。 提案手法は,敵のクライアントを正確に検出し,攻撃が起こらないシナリオ下での誤報率を制御する。
  論文  参考訳（メタデータ） (2023-10-02T18:25:02Z)
• 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)
• Vertical Federated Linear Contextual Bandits [36.40993993623568]
  ローカルなコンテキスト情報を暗号化するための,行列ベースのマスク機構(O3M)を設計する。 このメカニズムをLinUCBとLinTSという2つの一般的な帯域幅アルゴリズムに適用し、オンラインレコメンデーションのための2つの実用的なプロトコルをインスタンス化する。
  論文  参考訳（メタデータ） (2022-10-20T06:59:42Z)
• Image-Specific Information Suppression and Implicit Local Alignment for Text-based Person Search [61.24539128142504]
  テキストベースの人物検索(TBPS)は,問合せテキストが与えられた画像ギャラリーから同一の身元で歩行者画像を検索することを目的とした課題である。 既存の手法の多くは、モダリティ間の微粒な対応をモデル化するために、明示的に生成された局所的な部分に依存している。 TBPSのためのマルチレベルアライメントネットワーク(MANet)を提案する。
  論文  参考訳（メタデータ） (2022-08-30T16:14:18Z)
• A cross-domain recommender system using deep coupled autoencoders [77.86290991564829]
  クロスドメインレコメンデーションのために2つの新しい結合型オートエンコーダに基づくディープラーニング手法を提案する。 最初の方法は、ソースドメインとターゲットドメイン内のアイテムの固有表現を明らかにするために、一対のオートエンコーダを同時に学習することを目的としている。 第2の方法は,2つのオートエンコーダを用いてユーザとアイテム待ち行列を深く非線形に生成する,新たな共同正規化最適化問題に基づいて導出する。
  論文  参考訳（メタデータ） (2021-12-08T15:14:26Z)
• Review-Based Domain Disentanglement without Duplicate Users or Contexts for Cross-Domain Recommendation [1.2074552857379273]
  クロスドメインレコメンデーションは、データスパーシリティとコールドスタート問題を解決する上で有望な結果を示している。 我々のモデル(SER)は、3つのテキスト解析モジュールを使用し、1つのドメイン識別器で案内され、非絡み合い表現学習を行う。
  論文  参考訳（メタデータ） (2021-10-25T05:17:58Z)
• Application of the Multi-label Residual Convolutional Neural Network text classifier using Content-Based Routing process [0.0]
  コンテンツベースルータを用いてNLPアプリケーションをテキスト分類プロセスで提示する。 この記事の最終的な目標は、広告のプレーンテキストから合法的な広告によって記述されたイベントを予測することだ。
  論文  参考訳（メタデータ） (2021-10-19T19:10:34Z)
• Attentive WaveBlock: Complementarity-enhanced Mutual Networks for Unsupervised Domain Adaptation in Person Re-identification and Beyond [97.25179345878443]
  本稿では,新しい軽量モジュールであるAttentive WaveBlock (AWB)を提案する。 AWBは相互学習の二重ネットワークに統合され、相互学習の相補性を高め、擬似ラベルのノイズをさらに抑えることができる。 実験により, 提案手法は, 複数のUDA人物再識別タスクを大幅に改善し, 最先端の性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-06-11T15:40:40Z)

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。