論文の概要: Dark web activity classification using deep learning

• arxiv url: http://arxiv.org/abs/2306.07980v1
• Date: Tue, 30 May 2023 14:39:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-18 12:20:41.687341
• Title: Dark web activity classification using deep learning
• Title（参考訳）: 深層学習を用いたダークウェブ活動分類
• Authors: Ali Fayzi
• Abstract要約: 記事では、ダークウェブ上の不正行為を特定し、管理する必要性を強調している。 ダークウェブは、麻薬密売、武器販売、マネーロンダリングなど、様々な違法行為のための悪名高い繁殖地である。 筆者らは,暗黒ウェブ上での不正行為に関連する画像の識別と抽出に深層学習を活用する新しい検索エンジンを提案する。
• 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 present article highlights the pressing need for identifying and controlling illicit activities on the dark web. While only 4% of the information available on the internet is accessible through regular search engines, the deep web contains a plethora of information, including personal data and online accounts, that is not indexed by search engines. The dark web, which constitutes a subset of the deep web, is a notorious breeding ground for various illegal activities, such as drug trafficking, weapon sales, and money laundering. Against this backdrop, the authors propose a novel search engine that leverages deep learning to identify and extract relevant images related to illicit activities on the dark web. Specifically, the system can detect the titles of illegal activities on the dark web and retrieve pertinent images from websites with a .onion extension. The authors have collected a comprehensive dataset named darkoob and the proposed method achieves an accuracy of 94% on the test dataset. Overall, the proposed search engine represents a significant step forward in identifying and controlling illicit activities on the dark web. By contributing to internet and community security, this technology has the potential to mitigate a wide range of social, economic, and political challenges arising from illegal activities on the dark web.
• Abstract（参考訳）: 本稿では,ダークウェブ上での違法行為の特定と制御の必要性を強調する。 インターネット上で利用できる情報のわずか4%は通常の検索エンジンからアクセス可能であるが、ディープウェブには、検索エンジンによってインデックス化されていない個人情報やオンラインアカウントを含む大量の情報が含まれている。 ディープウェブのサブセットを構成するダークウェブは、麻薬密売、武器販売、マネーロンダリングなど様々な違法行為の繁殖地として悪名高い。 この背景に対して、著者らは深層学習を利用してダークウェブ上の不正行為に関連する関連画像を特定し抽出する新しい検索エンジンを提案する。 具体的には、ダークウェブ上で違法な活動のタイトルを検出し、.NETのWebサイトから関連する画像を取得する。 オニオン拡張。 筆者らはdarkoobという包括的なデータセットを収集し,提案手法はテストデータセット上で94%の精度を実現する。 全体として、提案する検索エンジンは、ダークウェブ上の不正行為を特定し、制御するための重要な一歩である。 インターネットやコミュニティのセキュリティに貢献することで、この技術はダークウェブ上の違法な活動から生じる幅広い社会的、経済的、政治的課題を軽減する可能性がある。

関連論文リスト

• How Unique is Whose Web Browser? The role of demographics in browser fingerprinting among US users [50.699390248359265]
  ブラウザのフィンガープリントは、クッキーを使わずとも、Web上のユーザを識別し、追跡するために利用できる。 この技術と結果として生じるプライバシーリスクは10年以上にわたって研究されてきた。 我々は、さらなる研究を可能にするファースト・オブ・ザ・キンド・データセットを提供する。
  論文  参考訳（メタデータ） (2024-10-09T14:51:58Z)
• Phishing Website Detection Using a Combined Model of ANN and LSTM [0.9208007322096533]
  フィッシング(英: phishing)とは、コンピュータユーザーの個人情報を盗むためのサイバー犯罪の一種である。 攻撃者は、コンピュータのユーザに対する詐欺行為のために、アカウントID、パスワード、ユーザー名などの個人情報を使用した。 この問題を解決するために研究者たちは、機械学習とディープラーニングのアプローチに焦点を当てた。
  論文  参考訳（メタデータ） (2024-03-24T14:46:02Z)
• The Devil Behind the Mirror: Tracking the Campaigns of Cryptocurrency Abuses on the Dark Web [39.96427593096699]
  不正なブロックチェーンアドレスが1,189件ある2,564の違法サイトを特定します。 私たちの調査は、ダークウェブにおける不正な活動には強い相関関係があることを示唆しており、新たな不正なブロックチェーンアドレスと玉ねぎを識別するためのガイドになります。
  論文  参考訳（メタデータ） (2024-01-09T16:35:25Z)
• When the Few Outweigh the Many: Illicit Content Recognition with Few-Shot Learning [0.0]
  本稿では,画像から違法行為を認識するための代替手法について検討する。 シームズニューラルネットワークは10クラスのデータセット上で20ショットの実験で90.9%に達する。
  論文  参考訳（メタデータ） (2023-11-28T18:28:03Z)
• Identifying key players in dark web marketplaces [58.720142291102135]
  この論文は、暗黒市場に関連するBitcoin取引ネットワークのキープレーヤーを特定することを目的としている。 取引量の大部分は、エリート市場参加者の小さなグループに集中していることを示す。 ダークウェブのマーケットプレースにおけるキープレーヤーの行動を理解することは、違法行為を効果的に破壊するために重要であることを示唆している。
  論文  参考訳（メタデータ） (2023-06-15T20:30:43Z)
• Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
  我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。 ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
  論文  参考訳（メタデータ） (2023-04-06T05:20:16Z)
• Fighting Malicious Media Data: A Survey on Tampering Detection and Deepfake Detection [115.83992775004043]
  近年のディープラーニング、特に深層生成モデルの発展により、知覚的に説得力のある画像や動画を低コストで制作するための扉が開かれた。 本稿では,現在のメディアタンパリング検出手法を概観し,今後の研究の課題と動向について論じる。
  論文  参考訳（メタデータ） (2022-12-12T02:54:08Z)
• VeriDark: A Large-Scale Benchmark for Authorship Verification on the Dark Web [25.00969884543201]
  VeriDarkは3つの大規模オーサシップ検証データセットと1つのオーサシップ識別データセットで構成されるベンチマークです。 3つのデータセット上での競合NLPベースラインの評価を行い、これらのアプローチの限界をよりよく理解するために予測の解析を行う。
  論文  参考訳（メタデータ） (2022-07-07T17:57:11Z)
• A Crawler Architecture for Harvesting the Clear, Social, and Dark Web for IoT-Related Cyber-Threat Intelligence [1.1661238776379117]
  クリアでソーシャルでダークなWebは最近、貴重なサイバーセキュリティ情報の豊富な情報源として特定されている。 我々は、クリアウェブのセキュリティウェブサイト、ソーシャルウェブのセキュリティフォーラム、ダークウェブのハッカーフォーラム/マーケットプレースからデータを透過的に収集する新しいクローリングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-09-14T19:26:08Z)
• Lighting the Darkness in the Deep Learning Era [118.35081853500411]
  低照度画像強調(LLIE)は、照明の弱い環境で撮影された画像の知覚や解釈性を改善することを目的としている。 この分野における最近の進歩は、ディープラーニングベースのソリューションが支配的です。 アルゴリズム分類から未解決の未解決問題まで,さまざまな側面をカバーする包括的な調査を行う。
  論文  参考訳（メタデータ） (2021-04-21T19:12:19Z)
• Improving Object Detection with Selective Self-supervised Self-training [62.792445237541145]
  本研究では,Web画像を利用した人為的対象検出データセットの強化について検討する。 画像と画像の検索によりWebイメージを検索し、他の検索手法に比べて、キュレートされたデータからのドメインシフトが少なくなる。 画像分類のためのラベルのないデータを探索する2つの並列処理をモチベーションとした新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:05:01Z)

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。