論文の概要: Enhancing Web Spam Detection through a Blockchain-Enabled Crowdsourcing Mechanism

• arxiv url: http://arxiv.org/abs/2410.00860v1
• Date: Tue, 1 Oct 2024 16:53:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 03:46:09.184883
• Title: Enhancing Web Spam Detection through a Blockchain-Enabled Crowdsourcing Mechanism
• Title（参考訳）: ブロックチェーン対応クラウドソーシング機構によるWebスパム検出の強化
• Authors: Noah Kader, Inwon Kang, Oshani Seneviratne,
• Abstract要約: 本稿では,スパム検出システムを強化するための新しいソリューションとして,ブロックチェーンによるインセンティブ付きクラウドソーシングを提案する。 ブロックチェーンの分散された透過的なフレームワークを活用して、データ収集とラベル付けのためのインセンティブメカニズムを作成します。 インセンティブ付きクラウドソーシングによってデータ品質が向上し、スパム検出のための機械学習モデルがより効果的になることを示す。
• 参考スコア（独自算出の注目度）: 0.7303392100830282
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The proliferation of spam on the Web has necessitated the development of machine learning models to automate their detection. However, the dynamic nature of spam and the sophisticated evasion techniques employed by spammers often lead to low accuracy in these models. Traditional machine-learning approaches struggle to keep pace with spammers' constantly evolving tactics, resulting in a persistent challenge to maintain high detection rates. To address this, we propose blockchain-enabled incentivized crowdsourcing as a novel solution to enhance spam detection systems. We create an incentive mechanism for data collection and labeling by leveraging blockchain's decentralized and transparent framework. Contributors are rewarded for accurate labels and penalized for inaccuracies, ensuring high-quality data. A smart contract governs the submission and evaluation process, with participants staking cryptocurrency as collateral to guarantee integrity. Simulations show that incentivized crowdsourcing improves data quality, leading to more effective machine-learning models for spam detection. This approach offers a scalable and adaptable solution to the challenges of traditional methods.
• Abstract（参考訳）: Web上のスパムの拡散は、検出を自動化するために機械学習モデルの開発を必要としている。 しかし,スパムのダイナミックな性質や,スパマーによる高度な回避技術は,これらのモデルにおいて精度の低下につながることが多い。 従来の機械学習アプローチは、スパマーの絶えず進化する戦術とペースを維持するのに苦労している。 そこで本稿では,スパム検出システムを強化する新しいソリューションとして,ブロックチェーンによるインセンティブ付きクラウドソーシングを提案する。 ブロックチェーンの分散された透過的なフレームワークを活用して、データ収集とラベル付けのためのインセンティブメカニズムを作成します。 コントリビュータは正確なラベルに対して報酬を受け、不正確で高品質なデータを保証するために罰せられる。 スマートコントラクトは、参加者が完全性を保証するために暗号通貨を担保とすることで、提出と評価のプロセスを管理する。 シミュレーションにより、インセンティブ付きクラウドソーシングはデータ品質を向上させることが示され、スパム検出のためのより効果的な機械学習モデルがもたらされる。 このアプローチは、従来のメソッドの課題に対して、スケーラブルで適応可能なソリューションを提供します。

関連論文リスト

• Blockchain security for ransomware detection [0.0]
  本研究では、Lazy Predictライブラリを使用して、UGRansomeデータセット上の機械学習(ML)を自動化する。 タイムスタンプ、プロトコル、財務データなどの重要な機能は、ゼロデイ脅威として異常を予測するために使用される。 その結果、MLはブロックチェーン環境でのサイバーセキュリティを大幅に改善できることが示された。
  論文  参考訳（メタデータ） (2024-07-23T22:04:41Z)
• Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
  ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。 フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。 本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
  論文  参考訳（メタデータ） (2024-03-28T07:08:26Z)
• Graph Attention Network-based Block Propagation with Optimal AoI and Reputation in Web 3.0 [59.94605620983965]
  我々は、ブロックチェーン対応Web 3.0のための、グラフ注意ネットワーク(GAT)ベースの信頼できるブロック伝搬最適化フレームワークを設計する。 ブロック伝搬の信頼性を実現するために,主観的論理モデルに基づく評価機構を導入する。 グラフ構造化データの処理能力に優れたGATが存在することを考慮し、GATを強化学習に利用して最適なブロック伝搬軌道を得る。
  論文  参考訳（メタデータ） (2024-03-20T01:58:38Z)
• Generative AI-enabled Blockchain Networks: Fundamentals, Applications, and Case Study [73.87110604150315]
  Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。 本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
  論文  参考訳（メタデータ） (2024-01-28T10:46:17Z)
• Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
  連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。 提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-19T15:34:52Z)
• Collaborative Learning Framework to Detect Attacks in Transactions and Smart Contracts [26.70294159598272]
  本稿では、ブロックチェーントランザクションとスマートコントラクトの攻撃を検出するために設計された、新しい協調学習フレームワークを提案する。 当社のフレームワークは,マシンコードレベルでの複雑な攻撃を含む,さまざまな種類のブロックチェーン攻撃を分類する機能を示している。 我々のフレームワークは、広範囲なシミュレーションによって約94%の精度を達成し、リアルタイム実験では91%のスループットで毎秒2,150トランザクションを処理している。
  論文  参考訳（メタデータ） (2023-08-30T07:17:20Z)
• Defending Against Poisoning Attacks in Federated Learning with Blockchain [12.840821573271999]
  ブロックチェーンと分散台帳技術に基づくセキュアで信頼性の高いフェデレーション学習システムを提案する。 本システムでは,オンチェーン型スマートコントラクトを利用したピアツーピア投票機構と報酬アンドスラッシュ機構を組み込んで,悪意ある行動の検出と検出を行う。
  論文  参考訳（メタデータ） (2023-07-02T11:23:33Z)
• Semantic Information Marketing in The Metaverse: A Learning-Based Contract Theory Framework [68.8725783112254]
  仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。 帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。 本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
  論文  参考訳（メタデータ） (2023-02-22T15:52:37Z)
• Deep convolutional forest: a dynamic deep ensemble approach for spam detection in text [219.15486286590016]
  本稿では,スパム検出のための動的深層アンサンブルモデルを提案する。 その結果、このモデルは高い精度、リコール、f1スコア、98.38%の精度を達成した。
  論文  参考訳（メタデータ） (2021-10-10T17:19:37Z)
• Blockchained Federated Learning for Threat Defense [0.0]
  本研究ではフェデレーテッドラーニングを用いたインテリジェント脅威防御システムの開発について紹介する。 提案するフレームワークは,分散型かつ継続的なトレースアルゴリズムの学習にフェデレート学習を併用する。 提案するフレームワークの目的は,Deep Content Inspection(DCI)メソッドによって産業用IoT(IIoT)から派生したスマートシティネットワークトラフィックをインテリジェントに分類することである。
  論文  参考訳（メタデータ） (2021-02-25T09:16:48Z)
• Deep Q-Network-based Adaptive Alert Threshold Selection Policy for Payment Fraud Systems in Retail Banking [9.13755431537592]
  本稿では,不正警報システムのためのしきい値選択ポリシーを提案する。 提案手法は、しきい値選択を逐次決定問題として定式化し、ディープQネットワークに基づく強化学習を用いる。 実験結果から, この適応手法は, 不正な損失を低減し, 警報システムの動作効率を向上させることにより, 現在の静的解よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-10-21T15:10:57Z)

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。