Fugu-MT 論文翻訳(概要): Social Media Bot Detection using Dropout-GAN

論文の概要: Social Media Bot Detection using Dropout-GAN

arxiv url: http://arxiv.org/abs/2311.05079v1
Date: Thu, 9 Nov 2023 00:35:05 GMT
ステータス: 処理完了
システム内更新日: 2023-11-10 16:33:24.468837
Title: Social Media Bot Detection using Dropout-GAN
Title（参考訳）: dropout-ganを用いたソーシャルメディアボット検出
Authors: Anant Shukla and Martin Jurecek and Mark Stamp
Abstract要約: 我々はGAN(Generative Adversarial Networks)を用いたボット検出手法を提案する。複数の識別器を使って1つの発電機を訓練することで、モード崩壊の問題を克服する方法について論じる。分類精度の面では,本分野における最先端技術よりも優れている。
参考スコア（独自算出の注目度）: 1.3812010983144798
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Bot activity on social media platforms is a pervasive problem, undermining the credibility of online discourse and potentially leading to cybercrime. We propose an approach to bot detection using Generative Adversarial Networks (GAN). We discuss how we overcome the issue of mode collapse by utilizing multiple discriminators to train against one generator, while decoupling the discriminator to perform social media bot detection and utilizing the generator for data augmentation. In terms of classification accuracy, our approach outperforms the state-of-the-art techniques in this field. We also show how the generator in the GAN can be used to evade such a classification technique.
Abstract（参考訳）: ソーシャルメディアプラットフォーム上でのボットの活動は広範な問題であり、オンライン会話の信頼性を損なうとともに、サイバー犯罪につながる可能性がある。本稿では,GAN(Generative Adversarial Networks)を用いたボット検出手法を提案する。本稿では,複数の識別器を用いて1つの生成器に対して訓練を行い,識別器を分離してソーシャルメディアボット検出を行い,データ拡張にジェネレータを活用することで,モード崩壊の問題を克服する方法について議論する。分類精度の面では,この分野の最先端技術に勝るアプローチである。また、GANのジェネレータがこのような分類手法を避けるためにどのように使用できるかを示す。

関連論文リスト

SeBot: Structural Entropy Guided Multi-View Contrastive Learning for Social Bot Detection [34.68635583099056]
マルチビューグラフに基づくコントラスト学習型ソーシャルボット検出器SEBotを提案する。特に、構造エントロピーを不確実性計量として使用して、グラフ全体の構造を最適化する。そして、ホモフィリーな仮定を超えたメッセージパッシングを可能にするエンコーダを設計する。
論文参考訳（メタデータ） (2024-05-18T08:16:11Z)
Adversarial Botometer: Adversarial Analysis for Social Bot Detection [1.9280536006736573]
ソーシャルボットは人間の創造性を模倣するコンテンツを制作する。悪意のあるソーシャルボットは、非現実的なコンテンツで人々を騙すようになる。テキストベースのボット検出器の動作を競合環境下で評価する。
論文参考訳（メタデータ） (2024-05-03T11:28:21Z)
What Does the Bot Say? Opportunities and Risks of Large Language Models in Social Media Bot Detection [48.572932773403274]
ソーシャルボット検出における大規模言語モデルの可能性とリスクについて検討する。本稿では,多様なユーザ情報モダリティを分割し,克服するための混合異種エキスパートフレームワークを提案する。実験により、1000の注釈付き例に対する命令チューニングは、最先端のベースラインよりも優れた特殊なLLMを生成することが示された。
論文参考訳（メタデータ） (2024-02-01T06:21:19Z)
My Brother Helps Me: Node Injection Based Adversarial Attack on Social Bot Detection [69.99192868521564]
Twitterのようなソーシャルプラットフォームは、数多くの不正なユーザーから包囲されている。ソーシャルネットワークの構造のため、ほとんどの手法は攻撃を受けやすいグラフニューラルネットワーク(GNN)に基づいている。本稿では,ボット検出モデルを欺いたノードインジェクションに基づく逆攻撃手法を提案する。
論文参考訳（メタデータ） (2023-10-11T03:09:48Z)
Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文参考訳（メタデータ） (2021-12-08T14:12:24Z)
SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文参考訳（メタデータ） (2021-08-03T02:56:21Z)
Towards A Multi-agent System for Online Hate Speech Detection [11.843799418046666]
本論文では,TwitterやFacebookなどのオンラインソーシャルメディアプラットフォームにおけるヘイトスピーチの存在を検出するマルチエージェントシステムを提案する。テキスト処理とインエイジ処理のチャネルをコーディネートする深層学習技術を用いた新しいフレームワークを紹介します。
論文参考訳（メタデータ） (2021-05-03T19:06:42Z)
Bot-Match: Social Bot Detection with Recursive Nearest Neighbors Search [9.457368716414079]
ソーシャルボットはこの10年で出現し、最初は迷惑をかけたが、最近ではジャーナリストを威圧し、選挙イベントを妨害し、既存のソーシャル・ファイジャーを悪化させた。この社会的脅威により、ボット検出アルゴリズムが進化して、ますます高度なボットアカウントに追いつくために進化する、ボット検出アルゴリズムが誕生した。このギャップは、研究者、ジャーナリスト、アナリストが、最先端の監視ボット検出アルゴリズムによって検出されていない悪意のあるボットアカウントを毎日特定することを意味している。類似性に基づくアルゴリズムは、既存の教師なしおよび教師なしの手法を補完し、このギャップを埋めることができる。
論文参考訳（メタデータ） (2020-07-15T11:48:24Z)
Detection of Novel Social Bots by Ensembles of Specialized Classifiers [60.63582690037839]
悪意ある俳優は、社会ボットとして知られるアルゴリズムによって部分的に制御される不正なソーシャルメディアアカウントを作成し、誤情報を広め、オンラインでの議論を扇動する。異なるタイプのボットが、異なる行動特徴によって特徴づけられることを示す。本稿では,ボットのクラスごとに専門的な分類器を訓練し,それらの決定を最大ルールで組み合わせる,教師付き学習手法を提案する。
論文参考訳（メタデータ） (2020-06-11T22:59:59Z)
ScoreGAN: A Fraud Review Detector based on Multi Task Learning of Regulated GAN with Data Augmentation [50.779498955162644]
生成・検出プロセスにおけるレビューテキストとレビューレーティングスコアの両方を利用した不正レビュー検出のためのScoreGANを提案する。その結果,提案フレームワークは,既存の最先端フレームワークであるFakeGANをAPの7%,YelpとTripAdvisorのデータセットで5%上回る性能を示した。
論文参考訳（メタデータ） (2020-06-11T16:15:06Z)
Botnet Detection Using Recurrent Variational Autoencoder [4.486436314247216]
ボットネットは悪質なアクターによってますます利用され、多くのインターネットユーザーに脅威を与えている。本稿では,ボットネット検出のための新しい機械学習手法であるRecurrent Variational Autoencoder (RVAE)を提案する。 RVAEは文献で発表された最もよく知られた結果と同じ精度でボットネットを検出できることを示した。
論文参考訳（メタデータ） (2020-04-01T05:03:34Z)

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。