論文の概要: When the Few Outweigh the Many: Illicit Content Recognition with Few-Shot Learning

• arxiv url: http://arxiv.org/abs/2311.17026v1
• Date: Tue, 28 Nov 2023 18:28:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-29 17:15:41.304929
• Title: When the Few Outweigh the Many: Illicit Content Recognition with Few-Shot Learning
• Title（参考訳）: 少数派が多数を上回れば: 少数派学習による違法コンテンツ認識
• Authors: G. Cascavilla, G. Catolino, M. Conti, D. Mellios, D.A. Tamburri
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The anonymity and untraceability benefits of the Dark web account for the exponentially-increased potential of its popularity while creating a suitable womb for many illicit activities, to date. Hence, in collaboration with cybersecurity and law enforcement agencies, research has provided approaches for recognizing and classifying illicit activities with most exploiting textual dark web markets' content recognition; few such approaches use images that originated from dark web content. This paper investigates this alternative technique for recognizing illegal activities from images. In particular, we investigate label-agnostic learning techniques like One-Shot and Few-Shot learning featuring the use Siamese neural networks, a state-of-the-art approach in the field. Our solution manages to handle small-scale datasets with promising accuracy. In particular, Siamese neural networks reach 90.9% on 20-Shot experiments over a 10-class dataset; this leads us to conclude that such models are a promising and cheaper alternative to the definition of automated law-enforcing machinery over the dark web.
• Abstract（参考訳）: ダークウェブの匿名性と追跡可能性の利点は、その人気を指数関数的に高め、多くの違法な活動に適した子宮を作り出している。 それゆえ、サイバーセキュリティや法執行機関との協力により、研究は、ほとんどのテキストによるダークウェブ市場のコンテンツ認識を悪用し、違法行為を認識・分類するためのアプローチを提供している。 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。 特に,その分野における最先端のアプローチであるシームズニューラルネットワークを用いたOne-ShotやFew-Shot学習といったラベルに依存しない学習手法について検討する。 私たちのソリューションは、将来性のある精度で小さなデータセットを処理できます。 特に、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の20ショット実験で90.9%に達する。これにより、このようなモデルがダークウェブ上の自動法執行機械の定義に対する有望で安価な代替手段であると結論付ける。

関連論文リスト

• Unveiling the Digital Fingerprints: Analysis of Internet attacks based on website fingerprints [0.0]
  本稿では,最新の機械学習アルゴリズムを用いて,攻撃者がTorトラフィックを非匿名化できることを示す。 ネットワークパケットを11日間にわたってキャプチャし、ユーザが特定のWebページをナビゲートし、Wiresharkネットワークキャプチャツールを通じて.pcapng形式でデータを記録します。
  論文  参考訳（メタデータ） (2024-09-01T18:44:40Z)
• Deepfake Media Forensics: State of the Art and Challenges Ahead [51.33414186878676]
  AIが生成する合成メディア、別名Deepfakesは、エンターテイメントからサイバーセキュリティまで、多くの領域に影響を与えている。 ディープフェイク検出は、微妙な矛盾やアーティファクトを機械学習技術で識別することに焦点を当て、研究の不可欠な領域となっている。 本稿では,これらの課題に対処する主要なアルゴリズムについて,その利点,限界,今後の展望について検討する。
  論文  参考訳（メタデータ） (2024-08-01T08:57:47Z)
• Exploring Geometry of Blind Spots in Vision Models [56.47644447201878]
  CNNやトランスフォーマーのような視覚モデルにおける過敏性の現象について検討する。 本稿では,入力空間に対する信頼度の高い領域を反復的に探索するレベルセットトラバースアルゴリズムを提案する。 モデルが高い信頼度を維持するこれらの連結高次元領域の範囲を推定する。
  論文  参考訳（メタデータ） (2023-10-30T18:00:33Z)
• Dark Web Activity Classification Using Deep Learning [0.0]
  ダークウェブ上でのアクティビティのタイトルを検出するためにディープラーニングを利用する検索エンジンを提案する。 我々は、麻薬取引、武器取引、盗まれた銀行カードの販売、偽のIDの販売、違法通貨の販売を含む5つのカテゴリに焦点をあてる。 本研究の目的は、Webサイトから「.onion」拡張で関連画像を抽出し、ページのテキストからキーワードを抽出することで、画像のないWebサイトのタイトルを識別することである。
  論文  参考訳（メタデータ） (2023-05-30T14:39:32Z)
• Harnessing the Power of Text-image Contrastive Models for Automatic Detection of Online Misinformation [50.46219766161111]
  誤情報識別の領域における構成的学習を探求する自己学習モデルを構築した。 本モデルでは、トレーニングデータが不十分な場合、非マッチング画像-テキストペア検出の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-19T02:53:59Z)
• Deep Learning Algorithm for Threat Detection in Hackers Forum (Deep Web) [0.0]
  深層学習アルゴリズムLong Short-Term Memory (LSTM) を用いたサイバー脅威検出のための新しい手法を提案する。 当社のモデルは,サイバー攻撃前に,デジタル通信の確保や脆弱性の発見において,組織によって容易に展開できる。
  論文  参考訳（メタデータ） (2022-02-03T07:49:44Z)
• 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)
• Exploiting Web Images for Fine-Grained Visual Recognition by Eliminating Noisy Samples and Utilizing Hard Ones [60.07027312916081]
  トレーニング中に実世界のWeb画像から無関係なサンプルを除去するための新しいアプローチを提案します。 私達のアプローチはよりよい性能を達成するために無関係な騒々しいWebイメージおよび堅い例の有害な影響を緩和できます。
  論文  参考訳（メタデータ） (2021-01-23T03:58:10Z)
• 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)
• A General Approach for Using Deep Neural Network for Digital Watermarking [45.15137284053717]
  本稿では,この目的を達成するために,汎用ディープニューラルネットワーク(DNN)に基づく透かし手法を提案する。 我々の知る限り、我々は初めてDNNを用いて透かしを行う一般的な方法を提案する。
  論文  参考訳（メタデータ） (2020-03-08T06:22:04Z)

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。