論文の概要: Applicability of Trust Management Algorithm in C2C services
- arxiv url: http://arxiv.org/abs/2303.13919v1
- Date: Fri, 24 Mar 2023 11:13:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-27 15:00:19.874457
- Title: Applicability of Trust Management Algorithm in C2C services
- Title(参考訳): C2Cサービスにおける信頼管理アルゴリズムの適用性
- Authors: Ryohei Suzuki, Iifan Tyou, Shigenori Ohashi, Kazutoshi Sasahara
- Abstract要約: EigenTrustはエージェントベースモデルを使用したC2Cサービスのユースケースの代表的TMAである。
EigenTrustは2種類の単純な詐欺の信頼度を正確に推定できることがわかった。
また,2種類の高度な不正行為に対する信頼スコアの揺らぎも確認した。
- 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: The emergence of Consumer-to-Consumer (C2C) platforms has allowed consumers
to buy and sell goods directly, but it has also created problems, such as
commodity fraud and fake reviews. Trust Management Algorithms (TMAs) are
expected to be a countermeasure to detect fraudulent users. However, it is
unknown whether TMAs are as effective as reported as they are designed for
Peer-to-Peer (P2P) communications between devices on a network. Here we examine
the applicability of `EigenTrust', a representative TMA, for the use case of
C2C services using an agent-based model. First, we defined the transaction
process in C2C services, assumed six types of fraudulent transactions, and then
analysed the dynamics of EigenTrust in C2C systems through simulations. We
found that EigenTrust could correctly estimate low trust scores for two types
of simple frauds. Furthermore, we found the oscillation of trust scores for two
types of advanced frauds, which previous research did not address. This
suggests that by detecting such oscillations, EigenTrust may be able to detect
some (but not all) advanced frauds. Our study helps increase the
trustworthiness of transactions in C2C services and provides insights into
further technological development for consumer services.
- Abstract(参考訳): C2C(Consumer-to-Consumer)プラットフォームの出現により、消費者は商品を直接購入および販売できるようになったが、商品詐欺や偽レビューといった問題も生じている。
信頼管理アルゴリズム(TMA)は不正ユーザを検出する対策として期待されている。
しかし、ネットワーク上のデバイス間のピアツーピア(p2p)通信用に設計されたtmasが報告されるほど効果的かどうかは不明である。
本稿では,エージェントベースモデルを用いたC2Cサービスにおける代表的TMAであるEigenTrustの適用性を検討する。
まず、C2Cサービスでトランザクションプロセスを定義し、6種類の不正取引を仮定し、シミュレーションによりC2CシステムにおけるEigenTrustのダイナミクスを分析した。
EigenTrustは2種類の単純な詐欺の信頼度を正確に推定できることがわかった。
さらに,2種類の先進的詐欺に対する信頼スコアの揺らぎが,これまでの研究では問題にならなかった。
これは、そのような振動を検出することで、EigenTrustがいくつかの(すべてではないが)高度な詐欺を検出できることを示している。
本研究は,C2Cサービスにおける取引の信頼性向上に寄与し,消費者サービスのさらなる技術開発に関する洞察を提供する。
関連論文リスト
- Trustless Audits without Revealing Data or Models [49.23322187919369]
モデルプロバイダが(アーキテクチャではなく)モデルウェイトとデータシークレットを維持しながら、他のパーティがモデルとデータプロパティを信頼性のない監査を行うことが可能であることを示す。
私たちはZkAuditと呼ばれるプロトコルを設計し、モデルプロバイダがデータセットとモデルの重みの暗号的コミットメントを公開します。
論文 参考訳(メタデータ) (2024-04-06T04:43:06Z) - FRAUDability: Estimating Users' Susceptibility to Financial Fraud Using Adversarial Machine Learning [24.817067681746117]
本研究では,金融不正検出システムの性能をユーザ毎に推定するFRAUDabilityを提案する。
提案手法は,不正検出システムの特定のユーザに対する金銭的不正を検知する能力の数値的な推定値である「フルートビリティスコア」を生成する。
また,このスコアは,不正性が高いユーザに対してのみ関与することで,攻撃者の財務利益を54%引き上げる上で有効であることを示す。
論文 参考訳(メタデータ) (2023-12-02T18:33:05Z) - Privacy-Preserving Financial Anomaly Detection via Federated Learning & Multi-Party Computation [17.314619091307343]
本稿では、金融機関が高精度な異常検出モデルを共同で訓練できるプライバシー保護フレームワークについて述べる。
当社のソリューションは,顧客データのプライバシを保ちながら,高精度な異常検出モデルをトレーニングすることを可能にする。
論文 参考訳(メタデータ) (2023-10-06T19:16:41Z) - 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) - Balancing Privacy and Security in Federated Learning with FedGT: A Group
Testing Framework [90.61139449550383]
FedGTは、フェデレート学習における悪意のあるクライアントを安全なアグリゲーションで識別するためのフレームワークである。
FedGTは、誤検知や誤報の確率が低い悪意のあるクライアントを識別できることを示す。
論文 参考訳(メタデータ) (2023-05-09T14:54:59Z) - Explainable Artificial Intelligence and Causal Inference based ATM Fraud
Detection [3.4543720783285052]
ATM不正取引は銀行が直面する一般的な問題である。
本研究では,インドから収集したATMトランザクションデータセットを用いて,これらの手法について検討した。
我々は,不正検出フレームワークに説明可能な人工知能(XAI)と因果推論(CI)を組み込んだ。
論文 参考訳(メタデータ) (2022-11-19T06:01:08Z) - Privacy-Preserving Credit Card Fraud Detection using Homomorphic
Encryption [0.0]
本稿では,同型暗号を用いた暗号化トランザクションにおける私的不正検出システムを提案する。
XGBoostとフィードフォワードニューラルネットワークという2つのモデルは、データの不正検出として訓練されている。
XGBoostモデルは、ニューラルネットワークの296msに比べて、推論が6ms以下で、パフォーマンスが向上している。
論文 参考訳(メタデータ) (2022-11-12T14:28:17Z) - Application of Deep Reinforcement Learning to Payment Fraud [0.0]
典型的な不正検出システムは、詐欺リコール率の最大化に重点を置く標準的な教師付き学習手法を用いる。
このような定式化は準最適解につながると我々は主張する。
我々は、報酬関数の形でモデル内に実用性を含めることで、不正検出を逐次決定問題として定式化する。
論文 参考訳(メタデータ) (2021-12-08T11:30:53Z) - Feature-Level Fusion of Super-App and Telecommunication Alternative Data
Sources for Credit Card Fraud Detection [106.33204064461802]
クレジットカード不正を早期に検出するための,スーパーアプリ顧客情報,携帯電話回線データ,従来型の信用リスク変数を融合した機能レベルの有効性について検討する。
クレジットカードのデジタルプラットフォームデータベースから約9万人のユーザを対象に,我々のアプローチを評価した。
論文 参考訳(メタデータ) (2021-11-05T19:10:35Z) - ScoreGAN: A Fraud Review Detector based on Multi Task Learning of
Regulated GAN with Data Augmentation [50.779498955162644]
生成・検出プロセスにおけるレビューテキストとレビューレーティングスコアの両方を利用した不正レビュー検出のためのScoreGANを提案する。
その結果,提案フレームワークは,既存の最先端フレームワークであるFakeGANをAPの7%,YelpとTripAdvisorのデータセットで5%上回る性能を示した。
論文 参考訳(メタデータ) (2020-06-11T16:15:06Z) - DFraud3- Multi-Component Fraud Detection freeof Cold-start [50.779498955162644]
コールドスタート(Cold-start)は、新しいユーザの認証に検出システムが失敗したことを指す重要な問題である。
本稿では,各コンポーネントに固有の表現を可能にする異種情報ネットワーク (HIN) としてレビューシステムをモデル化する。
HINとグラフ誘導はカモフラージュ問題(本物のレビュー付き詐欺師)に対処するのに役立ち、これはコールドスタートと組み合わされた場合、すなわち真に最初のレビューを持つ新しい詐欺師がより深刻であることが示されている。
論文 参考訳(メタデータ) (2020-06-10T08:20:13Z)
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。