論文の概要: Enhancing Law Enforcement Training: A Gamified Approach to Detecting Terrorism Financing
- arxiv url: http://arxiv.org/abs/2403.13625v1
- Date: Wed, 20 Mar 2024 14:22:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-21 16:38:11.054462
- Title: Enhancing Law Enforcement Training: A Gamified Approach to Detecting Terrorism Financing
- Title（参考訳）: 法執行訓練の強化:テロリズムのファイナンシングを検出するためのゲーミフィケーションアプローチ
- Authors: Francesco Zola, Lander Segurola, Erin King, Martin Mullins, Raul Orduna,
- Abstract要約: トレーニングイベントには、約60%の参加者が11週間のトレーニングコースを完了している。
ハッカソンの結果は2つのパイロット研究(マドリッドとハーグ)にまとめられ、参加者の間では専門知識が増している。
- 参考スコア（独自算出の注目度）: 0.791663505497707
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Tools for fighting cyber-criminal activities using new technologies are promoted and deployed every day. However, too often, they are unnecessarily complex and hard to use, requiring deep domain and technical knowledge. These characteristics often limit the engagement of law enforcement and end-users in these technologies that, despite their potential, remain misunderstood. For this reason, in this study, we describe our experience in combining learning and training methods and the potential benefits of gamification to enhance technology transfer and increase adult learning. In fact, in this case, participants are experienced practitioners in professions/industries that are exposed to terrorism financing (such as Law Enforcement Officers, Financial Investigation Officers, private investigators, etc.) We define training activities on different levels for increasing the exchange of information about new trends and criminal modus operandi among and within law enforcement agencies, intensifying cross-border cooperation and supporting efforts to combat and prevent terrorism funding activities. On the other hand, a game (hackathon) is designed to address realistic challenges related to the dark net, crypto assets, new payment systems and dark web marketplaces that could be used for terrorist activities. The entire methodology was evaluated using quizzes, contest results, and engagement metrics. In particular, training events show about 60% of participants complete the 11-week training course, while the Hackathon results, gathered in two pilot studies (Madrid and The Hague), show increasing expertise among the participants (progression in the achieved points on average). At the same time, more than 70% of participants positively evaluate the use of the gamification approach, and more than 85% of them consider the implemented Use Cases suitable for their investigations.
- Abstract（参考訳）: 新しい技術を使ってサイバー犯罪と戦うツールは、毎日宣伝され、展開される。
しかし、多くの場合、それらは必要以上に複雑で使いづらく、深いドメインと技術的な知識を必要とします。
これらの特徴は、法執行機関やエンドユーザーによるこれらの技術への関与を制限することがしばしばあり、その可能性にもかかわらず、誤解されているままである。
そこで本研究では,学習法と学習法を組み合わせた学習経験と,ゲーミフィケーションによる技術移転の促進と成人学習の促進の可能性について述べる。
実際、この場合、参加者は、テロ資金に晒される職業・産業経験者(法執行官、財務調査官、民間調査官等)であり、我々は、新たなトレンドや犯罪対策に関する情報を法執行機関内及び内部で交換し、国境を越えた協力を強化し、テロ資金活動との戦い及び予防活動を支援するための異なるレベルの訓練活動を定義する。
一方、ゲーム(ハッカソン)は、ダークネット、暗号資産、新しい支払いシステム、そしてテロリスト活動に使用できるダークウェブマーケットプレースに関連する現実的な課題に対処するように設計されている。
方法論全体をクイズ、コンテスト結果、エンゲージメントメトリクスを用いて評価した。
特に、トレーニングイベントの参加者の約60%が11週間のトレーニングコースを完了し、ハッカソンの結果は2つのパイロットスタディ(マドリッドとザ・ハーグ)にまとめられ、参加者間の専門性(平均的な達成点の進歩)が増している。
同時に、70%以上の参加者がゲーミフィケーションアプローチの使用を肯定的に評価しており、そのうち85%以上が調査に適した実施済みのユースケースについて検討している。
関連論文リスト
- Application of AI-based Models for Online Fraud Detection and Analysis [1.764243259740255]
オンライン不正検出のためのAIおよびNLP技術に関する体系的文献レビューを行う。
各種オンライン詐欺カテゴリを解析するための最先端NLP技術について報告する。
データ制限の問題、トレーニングバイアスレポート、モデルパフォーマンスレポートにおけるメトリクスの選択的な表示などを特定します。
論文 参考訳（メタデータ） (2024-09-25T14:47:03Z) - The TikToking troll and weaponization of conscience: A systems perspective case study [0.0]
良心の武器化は、詐欺師が彼らの活動を偽装し、犠牲者を欺き、彼らのモディオペランディの有効性を拡大するために使う戦術である。
このケーススタディは議論を呼んでいるTikTokerを中心におり、プロパガンダの標的人口内で複数のアクターを操作するために、良心の武器化をどのように活用できるかを強調している。
論文 参考訳（メタデータ） (2024-04-14T21:05:40Z) - 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) - DIAMBRA Arena: a New Reinforcement Learning Platform for Research and
Experimentation [91.3755431537592]
本研究は、強化学習研究と実験のための新しいプラットフォームであるDIAMBRA Arenaを提示する。
高品質な環境のコレクションが,OpenAI Gym標準に完全に準拠したPython APIを公開している。
これらは、離散的なアクションと観測を生のピクセルと追加の数値で構成したエピソディックなタスクである。
論文 参考訳（メタデータ） (2022-10-19T14:39:10Z) - MineRL Diamond 2021 Competition: Overview, Results, and Lessons Learned [60.11039031794829]
強化学習コンペティションは、特定の問題に対する解決策を開発するための適切なスコープと支援を提供することによって、分野を前進させる。
私たちはMineRL ObtainDiamondコンペティションの第3回MineRL Diamond 2021を開催しました。
この簡単なトラックの参加者はダイヤモンドを得ることができ、難しいトラックの参加者は同じタスクで一般化可能なソリューションを進めた。
論文 参考訳（メタデータ） (2022-02-17T13:37:35Z) - Secure Distributed Training at Scale [65.7538150168154]
ピアの存在下でのトレーニングには、ビザンティン寛容な特殊な分散トレーニングアルゴリズムが必要である。
本稿では,コミュニケーション効率を重視したセキュアな(ビザンチン耐性)分散トレーニングのための新しいプロトコルを提案する。
論文 参考訳（メタデータ） (2021-06-21T17:00:42Z) - Distributed Deep Learning in Open Collaborations [49.240611132653456]
協調学習に特化して設計された新しいアルゴリズムフレームワークを提案する。
現実的な条件下でのSwaVとALBERTの事前学習に対するアプローチの有効性を実証し,コストのごく一部で従来の設定に匹敵する性能を実現する。
論文 参考訳（メタデータ） (2021-06-18T16:23:13Z) - Understanding Underground Incentivized Review Services [26.402818153734035]
我々は,HCIレンズを用いてeコマースプラットフォーム上でのレビュー詐欺について検討した。
我々は、詐欺師が業務の規模を拡大するために使用する高度な採用、執行、報告メカニズムを明らかにする。
これらのサービスが運用する通信チャネルを遮断する対策は、インセンティブ付きレビューと戦うのに有効である。
論文 参考訳（メタデータ） (2021-01-20T05:30:14Z) - Cyber Taxi: A Taxonomy of Interactive Cyber Training and Education
Systems [0.0]
提案する分類学は, 技術的設定, 聴衆, 訓練環境, 訓練環境の異なる要因を含む。
提供された分類は拡張可能であり、新しいセキュリティ技術の研究として、さらなる適用領域で使用することができる。
論文 参考訳（メタデータ） (2021-01-14T10:26:46Z) - HYDRA: Pruning Adversarially Robust Neural Networks [58.061681100058316]
ディープラーニングは、敵対的攻撃に対する堅牢性の欠如と、大規模なニューラルネットワークサイズという、2つの大きな課題に直面している。
そこで本稿では,頑健なトレーニング目標を意識したプルーニング手法を提案し,トレーニング目標にプルーンへの接続を探索させる。
HYDRAと題する我々の手法は,最先端のベニグニグニグニグニグニとロバストな精度で圧縮されたネットワークを同時に実現できることを実証する。
論文 参考訳（メタデータ） (2020-02-24T19:54:53Z)
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。