論文の概要: Distributed Monitoring for Data Distribution Shifts in Edge-ML Fraud
Detection
- arxiv url: http://arxiv.org/abs/2401.05219v1
- Date: Wed, 10 Jan 2024 15:38:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-11 14:19:14.938421
- Title: Distributed Monitoring for Data Distribution Shifts in Edge-ML Fraud
Detection
- Title(参考訳): エッジml不正検出におけるデータ分散シフトの分散監視
- Authors: Nader Karayanni, Robert J. Shahla and Chieh-Lien Hsiao
- Abstract要約: エッジデバイスのネットワーク上でのデータ分散シフトを継続的に監視する新しいフレームワークを提案する。
本システムは,エッジデバイスの分散ネットワーク上でのKS(Kolmogorov-Smirnov)テストの革新的な計算を含む。
実世界の金融取引データセットと合成金融取引データセットを併用したフレームワークの評価を行った。
- 参考スコア(独自算出の注目度): 0.6445605125467574
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The digital era has seen a marked increase in financial fraud. edge ML
emerged as a promising solution for smartphone payment services fraud
detection, enabling the deployment of ML models directly on edge devices. This
approach enables a more personalized real-time fraud detection. However, a
significant gap in current research is the lack of a robust system for
monitoring data distribution shifts in these distributed edge ML applications.
Our work bridges this gap by introducing a novel open-source framework designed
for continuous monitoring of data distribution shifts on a network of edge
devices. Our system includes an innovative calculation of the
Kolmogorov-Smirnov (KS) test over a distributed network of edge devices,
enabling efficient and accurate monitoring of users behavior shifts. We
comprehensively evaluate the proposed framework employing both real-world and
synthetic financial transaction datasets and demonstrate the framework's
effectiveness.
- Abstract(参考訳): デジタル時代は金融詐欺が著しく増加した。
edge MLは、スマートフォン支払いサービスの不正検出のための有望なソリューションとして登場し、エッジデバイスに直接MLモデルのデプロイを可能にする。
このアプローチは、よりパーソナライズされたリアルタイム詐欺検出を可能にする。
しかし、現在の研究における大きなギャップは、これらの分散エッジMLアプリケーションでデータ分散シフトを監視する堅牢なシステムがないことである。
エッジデバイスのネットワーク上でのデータ分散シフトを継続的に監視するために設計された、新しいオープンソースフレームワークを導入することで、このギャップを解消します。
本システムには,エッジデバイスの分散ネットワーク上でのkolmogorov-smirnov(ks)テストの革新的な計算が含まれている。
我々は,実世界および総合的な金融取引データセットを用いた提案フレームワークを包括的に評価し,その効果を実証する。
関連論文リスト
- Utilizing GANs for Fraud Detection: Model Training with Synthetic
Transaction Data [0.0]
本稿では,GAN(Generative Adversarial Networks)の不正検出への応用について検討する。
GANは複雑なデータ分散のモデリングにおいて有望であり、異常検出のための効果的なツールである。
この研究は、ディープラーニング技術によるトランザクションセキュリティの強化におけるGANの可能性を実証している。
論文 参考訳(メタデータ) (2024-02-15T09:48:20Z) - Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。
ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。
3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
論文 参考訳(メタデータ) (2023-07-11T07:48:39Z) - Leveraging a Probabilistic PCA Model to Understand the Multivariate
Statistical Network Monitoring Framework for Network Security Anomaly
Detection [64.1680666036655]
確率的生成モデルの観点からPCAに基づく異常検出手法を再検討する。
2つの異なるデータセットを用いて数学的モデルを評価した。
論文 参考訳(メタデータ) (2023-02-02T13:41:18Z) - LaundroGraph: Self-Supervised Graph Representation Learning for
Anti-Money Laundering [5.478764356647437]
LaundroGraphは、新しい教師付きグラフ表現学習アプローチである。
マネーロンダリング防止プロセスを支援するための洞察を提供する。
我々の知る限りでは、これはAML検出の文脈における最初の完全自己教師システムである。
論文 参考訳(メタデータ) (2022-10-25T21:58:02Z) - MMRNet: Improving Reliability for Multimodal Object Detection and
Segmentation for Bin Picking via Multimodal Redundancy [68.7563053122698]
マルチモーダル冗長性(MMRNet)を用いた信頼度の高いオブジェクト検出・分割システムを提案する。
これは、マルチモーダル冗長の概念を導入し、デプロイ中のセンサ障害問題に対処する最初のシステムである。
システム全体の出力信頼性と不確実性を測定するために,すべてのモダリティからの出力を利用する新しいラベルフリーマルチモーダル整合性(MC)スコアを提案する。
論文 参考訳(メタデータ) (2022-10-19T19:15:07Z) - Application of Deep Reinforcement Learning to Payment Fraud [0.0]
典型的な不正検出システムは、詐欺リコール率の最大化に重点を置く標準的な教師付き学習手法を用いる。
このような定式化は準最適解につながると我々は主張する。
我々は、報酬関数の形でモデル内に実用性を含めることで、不正検出を逐次決定問題として定式化する。
論文 参考訳(メタデータ) (2021-12-08T11:30:53Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳(メタデータ) (2021-07-29T00:02:06Z) - Federated Learning-Based Risk-Aware Decision toMitigate Fake Task
Impacts on CrowdsensingPlatforms [9.925311092487851]
モバイルクラウドセンシング(MCS)は、多数のモバイルスマートデバイスでセンサーを活用することで、分散および非専用センシングの概念を活用します。
MCSプラットフォームに偽の検知タスクを送信した悪意のあるユーザは、参加者のデバイスからリソースを消費しようとするかもしれない。
多数の独立した検出装置と集約エンティティを含む偽タスクを識別する手法が提案されている。
論文 参考訳(メタデータ) (2021-01-04T22:43:24Z) - End-to-End Object Detection with Fully Convolutional Network [71.56728221604158]
エンドツーエンド検出を実現するために,分類のための予測対応ワン・ツー・ワン (POTO) ラベルの割り当てを導入する。
局所領域における畳み込みの判別性を向上させるために, 簡易な3次元maxフィルタ(3dmf)を提案する。
エンドツーエンドのフレームワークは,COCOおよびCrowdHumanデータセット上のNMSを用いて,最先端の多くの検出器と競合する性能を実現する。
論文 参考訳(メタデータ) (2020-12-07T09:14:55Z) - A Time-Frequency based Suspicious Activity Detection for Anti-Money
Laundering [0.0]
マネーロンダリングは、犯罪者が犯罪の収益を金融システムに注入するために使う重要なメカニズムである。
これらの機関の現在のシステムのほとんどはルールベースであり、非効率である。
本稿では、金融取引の2次元表現を利用した時間周波数分析に基づく新しい特徴セットを提案する。
論文 参考訳(メタデータ) (2020-11-17T08:01:50Z) - Identity-Aware Attribute Recognition via Real-Time Distributed Inference
in Mobile Edge Clouds [53.07042574352251]
我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。
本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。
そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
論文 参考訳(メタデータ) (2020-08-12T12:03:27Z)
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。