論文の概要: Enhancing Illicit Activity Detection using XAI: A Multimodal Graph-LLM Framework

• arxiv url: http://arxiv.org/abs/2310.13787v1
• Date: Fri, 20 Oct 2023 19:33:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-25 05:17:48.379989
• Title: Enhancing Illicit Activity Detection using XAI: A Multimodal Graph-LLM Framework
• Title（参考訳）: マルチモーダルグラフllmフレームワークxaiによる違法なアクティビティ検出の強化
• Authors: Jack Nicholls, Aditya Kuppa, Nhien-An Le-Khac
• Abstract要約: 我々は、金融サイバー犯罪検出において、XAIに対処する、最先端で新しいマルチモーダル・プロアクティブアプローチを提案する。 トランザクションシークエンシング、サブグラフ接続、物語生成から本質的な表現を抽出するために設計された3つのディープラーニングモデルを活用する。
• 参考スコア（独自算出の注目度）: 3.660182910533372
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Financial cybercrime prevention is an increasing issue with many organisations and governments. As deep learning models have progressed to identify illicit activity on various financial and social networks, the explainability behind the model decisions has been lacklustre with the investigative analyst at the heart of any deep learning platform. In our paper, we present a state-of-the-art, novel multimodal proactive approach to addressing XAI in financial cybercrime detection. We leverage a triad of deep learning models designed to distill essential representations from transaction sequencing, subgraph connectivity, and narrative generation to significantly streamline the analyst's investigative process. Our narrative generation proposal leverages LLM to ingest transaction details and output contextual narrative for an analyst to understand a transaction and its metadata much further.
• Abstract（参考訳）: 金融サイバー犯罪防止は多くの組織や政府で問題となっている。 ディープラーニングモデルがさまざまな金融およびソーシャルネットワーク上での不正活動の特定に進んでいる中、モデル決定の背後にある説明可能性については、ディープラーニングプラットフォームの中心にある調査分析者による説明が欠如している。 本稿では,金融サイバー犯罪検出におけるxaiに対処するための最新かつ新しいマルチモーダルプロアクティブアプローチを提案する。 我々は,トランザクションシークエンシング,サブグラフ接続,ナラティブ生成から本質的な表現を抽出し,分析者の探索プロセスを大幅に効率化する,深層学習モデルの3つを活用する。 我々の物語生成提案は、LLMを利用してトランザクションの詳細を取り込み、アナリストがトランザクションとそのメタデータをより深く理解するためにコンテキスト的物語を出力する。

関連論文リスト

• FinVision: A Multi-Agent Framework for Stock Market Prediction [0.0]
  本研究では,金融取引タスクに特化して設計されたマルチモーダルマルチエージェントシステムを提案する。 提案手法の重要な特徴はリフレクションモジュールの統合である。
  論文  参考訳（メタデータ） (2024-10-29T06:02:28Z)
• From Linguistic Giants to Sensory Maestros: A Survey on Cross-Modal Reasoning with Large Language Models [56.9134620424985]
  クロスモーダル推論(CMR)は、より高度な人工知能システムへの進化における重要な能力として、ますます認識されている。 CMRタスクに取り組むためにLLM(Large Language Models)をデプロイする最近のトレンドは、その有効性を高めるためのアプローチの新たな主流となっている。 本調査では,LLMを用いてCMRで適用された現在の方法論を,詳細な3階層分類に分類する。
  論文  参考訳（メタデータ） (2024-09-19T02:51:54Z)
• Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
  本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。 実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
  論文  参考訳（メタデータ） (2024-06-05T20:19:09Z)
• Recent Advances in Hate Speech Moderation: Multimodality and the Role of Large Models [52.24001776263608]
  この包括的調査は、HSモデレーションの最近の歩みを掘り下げている。 大型言語モデル(LLM)と大規模マルチモーダルモデル(LMM)の急成長する役割を強調した。 研究における既存のギャップを、特に表現不足言語や文化の文脈で特定する。
  論文  参考訳（メタデータ） (2024-01-30T03:51:44Z)
• Combatting Human Trafficking in the Cyberspace: A Natural Language Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
  このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。 我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。 重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
  論文  参考訳（メタデータ） (2023-11-22T02:45:01Z)
• A Survey on Detection of LLMs-Generated Content [97.87912800179531]
  LLMの生成する内容を検出する能力が最重要視されている。 既存の検出戦略とベンチマークの詳細な概要を提供する。 また、様々な攻撃から守るための多面的アプローチの必要性を示唆する。
  論文  参考訳（メタデータ） (2023-10-24T09:10:26Z)
• Designing an attack-defense game: how to increase robustness of financial transaction models via a competition [69.08339915577206]
  金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。 本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。 我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。 参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
  論文  参考訳（メタデータ） (2023-08-22T12:53:09Z)
• Textual Data Mining for Financial Fraud Detection: A Deep Learning Approach [0.0]
  本稿では,自然言語処理(以下,NLP)のバイナリ分類タスクを,金融詐欺テキストの分析に活用する深層学習手法を提案する。 私の方法論では、埋め込み層を持つ多層パーセプトロン、Vanilla Recurrent Neural Network(RNN)、Long-Short Term Memory(LSTM)、Gated Recurrent Unit(GRU)など、さまざまな種類のニューラルネットワークモデルが関係しています。 本研究が深層学習,NLP,金融の交差点における研究の進展に寄与するため,私の研究成果は,金融不正検出に重大な影響を及ぼす。
  論文  参考訳（メタデータ） (2023-08-05T15:33:10Z)
• Lateral Movement Detection Using User Behavioral Analysis [3.3466872673100236]
  著者らは,ユーザの行動分析と機械学習を用いた横動き検出のための,新しい軽量な手法を提案する。 本稿では,ユーザごとの側方移動挙動を識別する,サイバードメイン特化機能工学の新しい手法を提案する。 本論文の根底にある目的は、ほぼリアルタイムな横方向移動検出に対する、計算効率が高く、ドメイン固有のアプローチを提供することである。
  論文  参考訳（メタデータ） (2022-08-29T11:57:40Z)
• Explainable Reinforcement Learning on Financial Stock Trading using SHAP [5.2725049926324745]
  本稿では,金融株取引におけるエージェントの行動を説明するために,SHAP(SHapley Additive exPlanation)を,一般的な深層強化学習アーキテクチャviz.,Deep Q Network(DQN)に採用することを提案する。 提案手法の有効性を実証するために,SENSEXとDJIAという2つの一般的なデータセットを用いて実験を行い,その結果を報告する。
  論文  参考訳（メタデータ） (2022-08-18T12:03:28Z)
• Detecting Anomalous Cryptocurrency Transactions: an AML/CFT Application of Machine Learning-based Forensics [5.617291981476445]
  本論文は,さまざまな手法を用いて,有向グラフネットワークとして表現されるBitcoinトランザクションの現実的なデータセットを解析する。 これは、Graph Convolutional Networks(GCN)とGraph Attention Networks(GAT)として知られるニューラルネットワークタイプが、有望なAML/CFTソリューションであることを示している。
  論文  参考訳（メタデータ） (2022-06-07T16:22:55Z)

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。