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

• Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
  近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。 この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。 本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
  論文  参考訳（メタデータ） (2024-11-15T08:09:28Z)
• Verification of Machine Unlearning is Fragile [48.71651033308842]
  両タイプの検証戦略を回避できる2つの新しい非学習プロセスを導入する。 この研究は、機械学習検証の脆弱性と限界を強調し、機械学習の安全性に関するさらなる研究の道を開く。
  論文  参考訳（メタデータ） (2024-08-01T21:37:10Z)
• To Change Or To Stick: Unveiling The Consistency Of Cyber Criminal Signatures Through Statistical Analysis [0.0]
  本研究は,サイバー空間における犯罪署名の存在を明白に明らかにし,その存在を統計的証拠を通じて初めて検証した。 本研究は,サイバー攻撃における現時点の人間の行動理解における重要なギャップを埋める,先進的なサイバー犯罪に関連するユニークな署名の存在を検証するものである。
  論文  参考訳（メタデータ） (2024-08-01T12:08:40Z)
• A Survey on Machine Unlearning: Techniques and New Emerged Privacy Risks [42.3024294376025]
  機械学習は、プライバシー保護分野における研究ホットスポットである。 最近の研究者は、さまざまな機械学習アプローチの潜在的なプライバシー漏洩を発見した。 我々は、定義、実装方法、現実世界のアプリケーションなど、さまざまな面でプライバシーリスクを分析します。
  論文  参考訳（メタデータ） (2024-06-10T11:31:04Z)
• 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 of Machine Unlearning [56.017968863854186]
  最近の規制では、要求に応じて、ユーザに関する個人情報をコンピュータシステムから削除する必要がある。 MLモデルは古いデータをよく記憶します。 機械学習に関する最近の研究は、この問題を完全に解決することはできなかった。
  論文  参考訳（メタデータ） (2022-09-06T08:51:53Z)
• 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。