論文の概要: Advances in Cybercrime Prediction: A Survey of Machine, Deep, Transfer,
and Adaptive Learning Techniques
- arxiv url: http://arxiv.org/abs/2304.04819v1
- Date: Mon, 10 Apr 2023 19:00:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-12 17:04:22.496851
- Title: Advances in Cybercrime Prediction: A Survey of Machine, Deep, Transfer,
and Adaptive Learning Techniques
- Title(参考訳): サイバー犯罪予測の進歩:マシン,ディープ,トランスファー,適応学習技術の調査
- Authors: Lavanya Elluri, Varun Mandalapu, Piyush Vyas, Nirmalya Roy
- Abstract要約: 機械学習、ディープラーニング、トランスファーラーニングのテクニックが、サイバー犯罪を予測するための有望なツールとして登場した。
本研究は,150件以上の研究論文をレビューし,最新の研究論文50件について論じる。
本稿では,サイバー犯罪予測における最先端の展開を概観する。
- 参考スコア(独自算出の注目度): 2.624902795082451
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cybercrime is a growing threat to organizations and individuals worldwide,
with criminals using increasingly sophisticated techniques to breach security
systems and steal sensitive data. In recent years, machine learning, deep
learning, and transfer learning techniques have emerged as promising tools for
predicting cybercrime and preventing it before it occurs. This paper aims to
provide a comprehensive survey of the latest advancements in cybercrime
prediction using above mentioned techniques, highlighting the latest research
related to each approach. For this purpose, we reviewed more than 150 research
articles and discussed around 50 most recent and relevant research articles. We
start the review by discussing some common methods used by cyber criminals and
then focus on the latest machine learning techniques and deep learning
techniques, such as recurrent and convolutional neural networks, which were
effective in detecting anomalous behavior and identifying potential threats. We
also discuss transfer learning, which allows models trained on one dataset to
be adapted for use on another dataset, and then focus on active and
reinforcement Learning as part of early-stage algorithmic research in
cybercrime prediction. Finally, we discuss critical innovations, research gaps,
and future research opportunities in Cybercrime prediction. Overall, this paper
presents a holistic view of cutting-edge developments in cybercrime prediction,
shedding light on the strengths and limitations of each method and equipping
researchers and practitioners with essential insights, publicly available
datasets, and resources necessary to develop efficient cybercrime prediction
systems.
- Abstract(参考訳): サイバー犯罪は世界中の組織や個人にとって脅威となり、犯罪者はますます高度な技術を使ってセキュリティシステムに侵入し、機密データを盗む。
近年、サイバー犯罪を予測し、発生前に防止するための有望なツールとして、機械学習、ディープラーニング、転送学習技術が登場している。
本稿では,上記の手法を用いたサイバー犯罪予測の最新動向に関する総合的な調査を行い,各手法に関する最新の研究を強調する。
本研究は,150件以上の研究論文をレビューし,最新の研究論文50件について論じる。
本稿では,サイバー犯罪者が使用する一般的な手法について議論し,異常行動の検出や潜在的な脅威の特定に有効なリカレントニューラルネットワークや畳み込みニューラルネットワークなど,最新の機械学習技術とディープラーニング技術に注目してレビューを開始する。
また、あるデータセットでトレーニングされたモデルを別のデータセットで使用するための転送学習を議論し、サイバー犯罪予測における早期アルゴリズム研究の一環として、アクティブ学習と強化学習に焦点を当てる。
最後に,サイバー犯罪予測における重要なイノベーション,研究ギャップ,今後の研究機会について論じる。
本稿では,サイバー犯罪予測における最先端の展開,各手法の強みと限界の隠蔽,研究者や実践者に重要な洞察,公開データセット,効率的なサイバー犯罪予測システムの開発に必要な資源の確保について概観する。
関連論文リスト
- On Responsible Machine Learning Datasets with Fairness, Privacy, and
Regulatory Norms [58.93352076927003]
AI技術の信頼性に関する深刻な懸念があった。
機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。
本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-24T14:01:53Z) - 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) - Crime Prediction Using Machine Learning and Deep Learning: A Systematic
Review and Future Directions [2.624902795082451]
本稿では,犯罪予測に応用された各種機械学習および深層学習アルゴリズムについて,150以上の論文について検討する。
この研究は、研究者による犯罪予測に使われるデータセットへのアクセスを提供する。
本稿では,犯罪予測の精度を高めるための潜在的なギャップと今後の方向性を明らかにする。
論文 参考訳(メタデータ) (2023-03-28T21:07:42Z) - A Survey on Poisoning Attacks Against Supervised Machine Learning [0.0]
本稿では,教師付き機械学習モデルに対する中毒攻撃について,最も代表的な論文について紹介する。
既存の文献の方法論と限界を要約し比較する。
本論文は, 教師付きモデルに対する毒性攻撃のさらなる活用と防止を目的として, 潜在的な改善と今後の方向性について述べる。
論文 参考訳(メタデータ) (2022-02-05T08:02:22Z) - Generating Cyber Threat Intelligence to Discover Potential Security
Threats Using Classification and Topic Modeling [6.0897744845912865]
サイバー脅威インテリジェンス(CTI)は、能動的かつ堅牢なメカニズムの1つとして表現されている。
我々のゴールは、異なる教師なしおよび教師なしの学習技術を用いて、ハッカーフォーラムから関連するCTIを特定し、探索することである。
論文 参考訳(メタデータ) (2021-08-16T02:30:29Z) - Threat of Adversarial Attacks on Deep Learning in Computer Vision:
Survey II [86.51135909513047]
ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。
本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。
この領域では、非専門家に技術的な用語の定義を提供する。
論文 参考訳(メタデータ) (2021-08-01T08:54:47Z) - Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。
敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。
ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
論文 参考訳(メタデータ) (2020-09-16T14:13:15Z) - Adversarial Machine Learning Attacks and Defense Methods in the Cyber
Security Domain [58.30296637276011]
本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。
サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
論文 参考訳(メタデータ) (2020-07-05T18:22:40Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳(メタデータ) (2020-01-27T11:21:05Z)
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。