論文の概要: Detecting fake accounts through Generative Adversarial Network in online social media

• arxiv url: http://arxiv.org/abs/2210.15657v1
• Date: Tue, 25 Oct 2022 10:20:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-28 13:37:22.277699
• Title: Detecting fake accounts through Generative Adversarial Network in online social media
• Title（参考訳）: オンラインソーシャルメディアにおけるジェネレーティブ・アドバイサル・ネットワークによる偽アカウントの検出
• Authors: Jinus Bordbar, Mohammadreza Mohammadrezaie, Saman Ardalan, Mohammad Ebrahim Shiri
• Abstract要約: 本稿では,ユーザ間の類似度を算出し,偽ユーザアカウントを識別する手法を提案する。 提案手法の結果,偽ユーザアカウントの分類と検出の精度は98.1%に達した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nowadays, online social media has become an inseparable part of human life, also this phenomenon is being used by individuals to send messages and share files via videos and images. Twitter, Instagram, and Facebook are well-known samples of these networks. One of the main challenges of privacy for users in these networks is anomalies in security. Anomalies in online social networks can be attributed to illegal behavior, such deviance is done by malicious people like account forgers, online fraudsters, etc. This paper proposed a new method to identify fake user accounts by calculating the similarity measures among users, applying the Generative Adversarial Network (GAN) algorithm over the Twitter dataset. The results of the proposed method showed, accuracy was able to reach 98.1% for classifying and detecting fake user accounts.
• Abstract（参考訳）: 今日では、オンラインソーシャルメディアは人間の生活の不可分な部分となっているが、この現象は個人がメッセージを送ったり、ビデオや画像でファイルを共有したりするのにも利用されている。 Twitter、Instagram、Facebookはこれらのネットワークのよく知られたサンプルだ。 これらのネットワークのユーザーのプライバシーに関する大きな課題の1つは、セキュリティ上の異常である。 オンラインソーシャルネットワークの異常は、アカウント偽造やオンライン詐欺師などの悪意のある人々による不正行為に起因する可能性がある。 本稿では,Twitterデータセット上でGAN(Generative Adversarial Network)アルゴリズムを適用し,ユーザ間の類似度を計算し,偽ユーザアカウントを識別する手法を提案する。 提案手法の結果,偽ユーザアカウントの分類と検出の精度は98.1%に達した。

関連論文リスト

• Easy-access online social media metrics can effectively identify misinformation sharing users [41.94295877935867]
  高いツイート頻度は共有コンテンツの事実性の低さと正に関連しているのに対し、アカウント年齢はそれと負に関連していることがわかった。 以上の結果から,これらのソーシャル・ネットワークの指標を頼りにすることで,誤情報を拡散しやすいユーザを早期に識別する,低障壁なアプローチが実現する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-08-27T16:41:13Z)
• Characteristics and prevalence of fake social media profiles with AI-generated faces [7.444681337745949]
  生成人工知能(AI)の最近の進歩は、偽のソーシャルメディアアカウントを偽造する可能性を懸念している。 本稿では,GAN(Generative Adrial Networks)が生成した人物のプロフィール画像を用いたTwitterアカウントの体系的解析を行う。 我々は、詐欺、スパム、調整されたメッセージの増幅など、不正行為の拡散に使われていることを示す。
  論文  参考訳（メタデータ） (2024-01-05T04:10:46Z)
• Classification of Instagram fake users using supervised machine learning algorithms [0.0]
  本稿では,そのような不正直な実体を検知・中和するアプリケーションを提案する。 アプリケーションのユーザ中心の設計により、調査機関のアクセシビリティが保証される。
  論文  参考訳（メタデータ） (2023-11-21T03:59:14Z)
• Unsupervised detection of coordinated fake-follower campaigns on social media [1.3035246321276739]
  本稿では,悪意のあるアカウントの特定のカテゴリを対象とする教師なし検出手法を提案する。 当社のフレームワークは,ソーシャルメディアアカウントの全フォロワーのうち,異常なパターンを識別する。 検出された異常なフォロワー群は複数のアカウントで一貫した行動を示す。
  論文  参考訳（メタデータ） (2023-10-31T12:30:29Z)
• User Identity Linkage in Social Media Using Linguistic and Social Interaction Features [11.781485566149994]
  ユーザーIDのリンクは、ソーシャルメディアアカウントが同一の自然人に属する可能性があることを明らかにすることを目的としている。 本研究は,ユーザのオンライン活動の複数の属性を利用する機械学習に基づく検出モデルを提案する。 モデルの有効性は、乱用とテロ関連のTwitterコンテンツに関する2つのケースで実証されている。
  論文  参考訳（メタデータ） (2023-08-22T15:10:38Z)
• 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)
• Countering Malicious Content Moderation Evasion in Online Social Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
  ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。 本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
  論文  参考訳（メタデータ） (2022-12-27T16:08:49Z)
• Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
  プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。 特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。 ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
  論文  参考訳（メタデータ） (2022-09-04T06:22:37Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)
• DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation [50.08581302050378]
  ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。 ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。 本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
  論文  参考訳（メタデータ） (2020-01-15T08:45:34Z)

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。