論文の概要: When Cyber Aggression Prediction Meets BERT on Social Media

• arxiv url: http://arxiv.org/abs/2301.01877v1
• Date: Thu, 5 Jan 2023 02:26:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 13:27:35.258712
• Title: When Cyber Aggression Prediction Meets BERT on Social Media
• Title（参考訳）: サイバー攻撃の予測がソーシャルメディアでBERTと出会う
• Authors: Zhenkun Zhou and Mengli Yu and Yuxin He and Xingyu Peng
• Abstract要約: 最先端のディープラーニングアルゴリズムに基づくサイバー攻撃予測モデルを提案する。 我々は、社会的排除、悪意あるユーモア、罪悪感の3つの側面について、サイバー攻撃を精査する。 本研究は,サイバー攻撃予測のための理論モデルを提供する。
• 参考スコア（独自算出の注目度）: 1.0323063834827415
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Increasingly, cyber aggression becomes the prevalent phenomenon that erodes the social media environment. However, due to subjective and expense, the traditional self-reporting questionnaire is hard to be employed in the current cyber area. In this study, we put forward the prediction model for cyber aggression based on the cutting-edge deep learning algorithm. Building on 320 active Weibo users' social media activities, we construct basic, dynamic, and content features. We elaborate cyber aggression on three dimensions: social exclusion, malicious humour, and guilt induction. We then build the prediction model combined with pretrained BERT model. The empirical evidence shows outperformance and supports a stronger prediction with the BERT model than traditional machine learning models without extra pretrained information. This study offers a solid theoretical model for cyber aggression prediction. Furthermore, this study contributes to cyber aggression behaviors' probing and social media platforms' organization.
• Abstract（参考訳）: ますます、サイバー攻撃はソーシャルメディア環境を損なう一般的な現象になりつつある。 しかし,従来の自己申告アンケートは,主観的・費用的理由から,現在のサイバー領域では採用が困難である。 本研究では,最先端のディープラーニングアルゴリズムに基づくサイバー攻撃予測モデルを提案する。 320のweiboユーザのソーシャルメディアアクティビティに基づいて,基本機能,動的機能,コンテンツ機能を構築した。 我々は、社会的排除、悪質なユーモア、罪悪感の誘発という3次元のサイバー攻撃を詳述する。 次に、事前訓練されたBERTモデルと組み合わせて予測モデルを構築する。 実証的なエビデンスでは、余分な事前学習情報を持たない従来の機械学習モデルよりも、BERTモデルによるパフォーマンスの向上と、より強力な予測が支持されている。 本研究は,サイバー攻撃予測のための理論モデルを提供する。 さらに,本研究は,サイバー攻撃行動の探索とソーシャルメディアプラットフォームの組織化に寄与する。

関連論文リスト

• Towards in-situ Psychological Profiling of Cybercriminals Using Dynamically Generated Deception Environments [0.0]
  サイバー犯罪は年間10兆ドル近くを世界経済に費やしていると見積もられている。 サイバー犯罪の脅威と戦うには、サイバー防衛に対する従来の周辺セキュリティアプローチが不十分であることが証明されている。 詐欺的手法は、攻撃者を誤解させ、重要な資産から切り離し、同時に脅威俳優にサイバー脅威情報を収集することを目的としている。 本稿では,サイバー攻撃のシミュレーション中に,攻撃者の身元をリアルタイムで把握するために開発された概念実証システムについて述べる。
  論文  参考訳（メタデータ） (2024-05-19T09:48:59Z)
• A Survey on Online User Aggression: Content Detection and Behavioural Analysis on Social Media Platforms [1.7626756873727654]
  ソーシャルメディアプラットフォームの普及は、サイバーいじめ、オンラインハラスメント、攻撃的およびヘイトスピーチの普及など、サイバー攻撃的な行動の増加につながっている。 これらの行動は、オンラインの匿名性から、うつ病、自殺傾向、場合によってはオフライン暴力などの現実的な結果まで、社会的な重大な結果に結びついている。 本稿では,異なる研究のギャップを埋めることを目的として,攻撃的ユーザに対する攻撃的コンテンツ検出と行動分析の分野を掘り下げる。
  論文  参考訳（メタデータ） (2023-11-15T20:59:13Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Designing an attack-defense game: how to increase robustness of financial transaction models via a competition [69.08339915577206]
  金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。 本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。 我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。 参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
  論文  参考訳（メタデータ） (2023-08-22T12:53:09Z)
• Graph Mining for Cybersecurity: A Survey [61.505995908021525]
  マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。 従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。 グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
  論文  参考訳（メタデータ） (2023-04-02T08:43:03Z)
• A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools Stock Prediction [100.9772316028191]
  本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。 以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-01T05:12:22Z)
• Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction [59.221668173521884]
  本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。 エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
  論文  参考訳（メタデータ） (2022-04-18T09:25:06Z)
• Cyberbullying Indicator as a Precursor to a Cyber Construct Development [0.0]
  本研究では,観測可能な行動指標の同定に基づくサイバーいじめの枠組みを提案する。 研究は、30人の記者による自己管理計測装置を用いて、サイバーバブル構築の確率を観察した。
  論文  参考訳（メタデータ） (2022-03-31T07:55:51Z)
• Are socially-aware trajectory prediction models really socially-aware? [75.36961426916639]
  我々は,予測モデルの社会的理解を評価するために,社会的に意図された攻撃を導入する。 攻撃は、予測器を失敗させるため、小さなが慎重に構成された摂動である。 我々の攻撃は、最先端モデルの社会的理解を高めるために有効であることを示す。
  論文  参考訳（メタデータ） (2021-08-24T17:59:09Z)
• Cyberbullying Detection with Fairness Constraints [0.0]
  フェアネス制約を適用でき、異なるデータセットでアプローチを検証するモデルトレーニングスキームを提案する。 我々の研究は、サイバー社会の健康に対する、偏見のない、透明で倫理的な機械学習ソリューションの追求に寄与していると信じています。
  論文  参考訳（メタデータ） (2020-05-09T13:04:26Z)
• Modeling Aggression Propagation on Social Media [4.99023186931786]
  Cyberaggressionはさまざまな状況やオンラインソーシャルプラットフォームで研究されている。 本稿では,ソーシャルメディア上での攻撃の伝播について,意見ダイナミクスを用いて検討する。 我々は,攻撃的あるいは正規的なユーザとの接続状況に応じて,攻撃性があるユーザから別のユーザへどのように伝播するかをモデル化する方法を提案する。
  論文  参考訳（メタデータ） (2020-02-24T09:50:49Z)

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。