論文の概要: FNDEX: Fake News and Doxxing Detection with Explainable AI

• arxiv url: http://arxiv.org/abs/2410.22390v1
• Date: Tue, 29 Oct 2024 17:29:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:29:26.102895
• Title: FNDEX: Fake News and Doxxing Detection with Explainable AI
• Title（参考訳）: FNDEX: 説明可能なAIによるフェイクニュースとドックス検出
• Authors: Dorsaf Sallami, Esma Aïmeur,
• Abstract要約: インターネットは、サイバー兵器の可能性を秘めている。 この進化する風景の中で、特に危険な現象が2つ現れている。 本研究は、新しいシステムを導入することで、この収束に対処する。
• 参考スコア（独自算出の注目度）: 0.23020018305241333
• License:
• Abstract: The widespread and diverse online media platforms and other internet-driven communication technologies have presented significant challenges in defining the boundaries of freedom of expression. Consequently, the internet has been transformed into a potential cyber weapon. Within this evolving landscape, two particularly hazardous phenomena have emerged: fake news and doxxing. Although these threats have been subjects of extensive scholarly analysis, the crossroads where they intersect remain unexplored. This research addresses this convergence by introducing a novel system. The Fake News and Doxxing Detection with Explainable Artificial Intelligence (FNDEX) system leverages the capabilities of three distinct transformer models to achieve high-performance detection for both fake news and doxxing. To enhance data security, a rigorous three-step anonymization process is employed, rooted in a pattern-based approach for anonymizing personally identifiable information. Finally, this research emphasizes the importance of generating coherent explanations for the outcomes produced by both detection models. Our experiments on realistic datasets demonstrate that our system significantly outperforms the existing baselines
• Abstract（参考訳）: 広く多様なオンラインメディアプラットフォームや他のインターネット主導のコミュニケーション技術は、表現の自由の境界を定義する上で大きな課題を提起してきた。 その結果、インターネットは潜在的なサイバー兵器に変換された。 この進化する風景の中で、特に危険な現象が2つ現れている。 これらの脅威は広く学術的な分析の対象となっているが、それらが交わる交差点は未解明のままである。 本研究は、新しいシステムを導入することで、この収束に対処する。 Fake NewsとDoxxing Detection with Explainable Artificial Intelligence (FNDEX)システムは、3つの異なるトランスフォーマーモデルの能力を活用して、偽ニュースとdoxxingの両方の高性能な検出を実現する。 データセキュリティを強化するために、個人識別可能な情報を匿名化するためのパターンベースのアプローチに根ざした、3段階の厳格な匿名化プロセスが採用されている。 最後に,両検出モデルが生成した結果に対して,コヒーレントな説明を生成することの重要性を強調した。 現実的なデータセットに関する我々の実験は、我々のシステムが既存のベースラインを大幅に上回っていることを示した。

関連論文リスト

• DAAD: Dynamic Analysis and Adaptive Discriminator for Fake News Detection [23.17963985187272]
  偽ニュース検出のための動的解析・適応識別器(DAAD)手法を提案する。 知識に基づく手法では,モンテカルロ木探索(MCTS)アルゴリズムを導入する。 意味に基づく手法では,4つの典型的な偽造パターンを定義する。
  論文  参考訳（メタデータ） (2024-08-20T14:13:54Z)
• 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)
• Deepfake Generation and Detection: A Benchmark and Survey [134.19054491600832]
  Deepfakeは、特定の条件下で非常にリアルな顔画像やビデオを作成するための技術だ。 この調査は、ディープフェイクの発生と検出の最新の展開を包括的にレビューする。 本研究では, 顔交換, 顔再現, 話し顔生成, 顔属性編集の4つの代表的なディープフェイク分野の研究に焦点をあてる。
  論文  参考訳（メタデータ） (2024-03-26T17:12:34Z)
• Adversarial Contrastive Learning for Evidence-aware Fake News Detection with Graph Neural Networks [20.282527436527765]
  本稿では,Contrastive Learning,すなわちGETRALを用いたグラフベースのsEmantic構造マイニングフレームワークを提案する。 まず、グラフ構造化データとしてクレームとエビデンスをモデル化し、長距離セマンティック依存関係をキャプチャします。 次に、詳細なセマンティック表現をクレーム-エビデンス相互作用モジュールに入力して予測を行う。
  論文  参考訳（メタデータ） (2022-10-11T14:54:37Z)
• Mining Fine-grained Semantics via Graph Neural Networks for Evidence-based Fake News Detection [20.282527436527765]
  本稿では,グラフベースのsEmantic sTructureマイニングフレームワークを提案する。 我々は、クレームとエビデンスをグラフ構造化データとしてモデル化し、長距離セマンティック依存関係をキャプチャします。 文脈意味情報を得た後、グラフ構造学習を行うことにより、情報冗長性を低減する。
  論文  参考訳（メタデータ） (2022-01-18T11:28:36Z)
• SOK: Fake News Outbreak 2021: Can We Stop the Viral Spread? [5.64512235559998]
  ソーシャルネットワークの完全解釈と使いやすさは、今日の世界での情報の生成と配布に革命をもたらした。 従来のメディアチャンネルとは異なり、ソーシャルネットワークは偽情報や偽情報の拡散を迅速かつ広範囲に促進する。 虚偽情報の拡散は、大衆の行動、態度、信念に深刻な影響を及ぼす。
  論文  参考訳（メタデータ） (2021-05-22T09:26:13Z)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)
• A Deep Learning Approach for Automatic Detection of Fake News [47.00462375817434]
  複数のドメインのオンラインニュースコンテンツにおいて、偽ニュース検出問題を解決するためのディープラーニングに基づく2つのモデルを提案する。 我々は、最近リリースされたFakeNews AMTとCelebrityという2つのデータセットを用いて、フェイクニュース検出のための手法を評価した。
  論文  参考訳（メタデータ） (2020-05-11T09:07:46Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)

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。