論文の概要: Inductive detection of Influence Operations via Graph Learning

• arxiv url: http://arxiv.org/abs/2305.16544v1
• Date: Fri, 26 May 2023 00:03:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 17:37:05.296446
• Title: Inductive detection of Influence Operations via Graph Learning
• Title（参考訳）: グラフ学習による影響操作の誘導的検出
• Authors: Nicholas A. Gabriel, David A. Broniatowski, Neil F. Johnson
• Abstract要約: 影響操作は世論を操作するための大規模な取り組みである。 これらの活動の迅速検出と破壊は、健康的な公衆の会話にとって重要である。 創発的なAI技術は、電流検出方法を回避する新しい操作を可能にする。
• 参考スコア（独自算出の注目度）: 0.3169089186688223
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Influence operations are large-scale efforts to manipulate public opinion. The rapid detection and disruption of these operations is critical for healthy public discourse. Emergent AI technologies may enable novel operations which evade current detection methods and influence public discourse on social media with greater scale, reach, and specificity. New methods with inductive learning capacity will be needed to identify these novel operations before they indelibly alter public opinion and events. We develop an inductive learning framework which: 1) determines content- and graph-based indicators that are not specific to any operation; 2) uses graph learning to encode abstract signatures of coordinated manipulation; and 3) evaluates generalization capacity by training and testing models across operations originating from Russia, China, and Iran. We find that this framework enables strong cross-operation generalization while also revealing salient indicators$\unicode{x2013}$illustrating a generic approach which directly complements transductive methodologies, thereby enhancing detection coverage.
• Abstract（参考訳）: 影響操作は世論を操作するための大規模な取り組みである。 これらの操作の迅速な検出と中断は、健全な公開談話に不可欠である。 創発的なAI技術は、現在の検出方法を避け、より大きな規模、リーチ、特異性を持つソーシャルメディア上の公開談話に影響を与える新しい操作を可能にする。 公衆の意見や出来事を確実に変える前に、これらの新しい操作を特定するために、誘導学習能力を持つ新しい方法が必要である。 私たちは帰納的学習フレームワークを開発しました 1) 操作に特有でない内容及びグラフに基づく指標を決定する。 2) グラフ学習を用いて協調操作の抽象署名を符号化する。 3)ロシア、中国、イランを起源とする運用を横断する訓練および試験モデルにより、一般化能力を評価する。 このフレームワークは、強い相互運用の一般化を可能にすると同時に、有意な指標を$\unicode{x2013}$illustrating a generic approach that direct complements transductive methodologies, which enhance detection coverage。

関連論文リスト

• GraphCloak: Safeguarding Task-specific Knowledge within Graph-structured Data from Unauthorized Exploitation [61.80017550099027]
  グラフニューラルネットワーク(GNN)は、さまざまな分野でますます普及している。 個人データの不正利用に関する懸念が高まっている。 近年の研究では、このような誤用から画像データを保護する効果的な方法として、知覚不能な毒殺攻撃が報告されている。 本稿では,グラフデータの不正使用に対する保護のためにGraphCloakを導入する。
  論文  参考訳（メタデータ） (2023-10-11T00:50:55Z)
• Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
  得られた知識を有向非巡回因果グラフの形で公開することを提案する。 また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。 提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
  論文  参考訳（メタデータ） (2023-09-30T20:59:42Z)
• Extending Transductive Knowledge Graph Embedding Models for Inductive Logical Relational Inference [0.5439020425819]
  この研究は、従来の帰納的知識グラフの埋め込みアプローチと、より最近の帰納的関係予測モデルとのギャップを埋めるものである。 本稿では,帰納的埋め込み法で学習した表現を活用して,推論時に導入された新しい実体の表現を帰納的設定で推論する一般調和拡張法を提案する。 多数の大規模知識グラフ埋め込みベンチマークの実験において、この手法は、帰納的知識グラフ埋め込みモデルの機能を拡張するためのものであり、いくつかのシナリオでは、そのような帰納的タスクのために明示的に導出される最先端のモデルよりも優れています。
  論文  参考訳（メタデータ） (2023-09-07T15:24:18Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• Joint-bone Fusion Graph Convolutional Network for Semi-supervised Skeleton Action Recognition [65.78703941973183]
  本稿では,CD-JBF-GCNをエンコーダとし,ポーズ予測ヘッドをデコーダとして使用する新しい相関駆動型ジョイントボーン・フュージョングラフ畳み込みネットワークを提案する。 具体的には、CD-JBF-GCは、関節ストリームと骨ストリームの間の運動伝達を探索することができる。 自己教師型トレーニング段階におけるポーズ予測に基づくオートエンコーダにより、未ラベルデータから動作表現を学習することができる。
  論文  参考訳（メタデータ） (2022-02-08T16:03:15Z)
• Adversarially Regularized Graph Attention Networks for Inductive Learning on Partially Labeled Graphs [4.535832029902475]
  グラフ上の半教師付き学習のための新しい帰納的埋め込み法を提案する。 本手法は,近隣からの情報を集約するパラメトリック関数を学習してノード表現を生成する。 敵の訓練は、学習された表現を事前の分布に合わせるように強制する外部正規化として機能する。
  論文  参考訳（メタデータ） (2021-06-07T07:43:28Z)
• Machine learning on knowledge graphs for context-aware security monitoring [0.0]
  本稿では,侵入検知のための知識グラフへの機械学習の適用について論じる。 産業システムにおける異常な活動を評価するためのリンク予測手法を実験的に評価した。 提案手法は,様々なシナリオにおいて,直感的によく校正され,解釈可能なアラートを生成する。
  論文  参考訳（メタデータ） (2021-05-18T18:00:19Z)
• Towards Generalizable and Robust Face Manipulation Detection via Bag-of-local-feature [55.47546606878931]
  そこで本稿では,局所的特徴の一般化能力とロバスト性を向上する顔の操作検出手法を提案する。 具体的には、パッチ間関係をエンコードするためにbag-of-featureアプローチを使ってトランスフォーマーを拡張し、明示的な監督なしにローカルな偽造機能を学ぶことができる。
  論文  参考訳（メタデータ） (2021-03-14T12:50:48Z)
• Visualization of Supervised and Self-Supervised Neural Networks via Attribution Guided Factorization [87.96102461221415]
  クラスごとの説明性を提供するアルゴリズムを開発した。 実験の広範なバッテリーでは、クラス固有の可視化のための手法の能力を実証する。
  論文  参考訳（メタデータ） (2020-12-03T18:48:39Z)
• Learning to Represent Action Values as a Hypergraph on the Action Vertices [17.811355496708728]
  行動値推定は強化学習法(RL)の重要な要素である。 多次元のアクション空間の構造を活用することが、アクションの優れた表現を学ぶための鍵となる要素であると推測する。 Atari 2600 ゲームや、離散化物理制御ベンチマークなど、無数の領域に対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2020-10-28T00:19:13Z)

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。