論文の概要: Detection of AI Deepfake and Fraud in Online Payments Using GAN-Based Models

• arxiv url: http://arxiv.org/abs/2501.07033v1
• Date: Mon, 13 Jan 2025 03:10:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:28:52.445305
• Title: Detection of AI Deepfake and Fraud in Online Payments Using GAN-Based Models
• Title（参考訳）: GANモデルを用いたオンライン支払いにおけるAIディープフェイクとフルートの検出
• Authors: Zong Ke, Shicheng Zhou, Yining Zhou, Chia Hong Chang, Rong Zhang,
• Abstract要約: 本研究では,GAN(Generative Adversarial Networks)を用いて,オンライン決済システムにおけるAIディープフェイクや不正行為を検出する。 支払い画像の微妙な操作を識別することで、オンライン決済のセキュリティを高める新しいGANモデルを提案する。
• 参考スコア（独自算出の注目度）: 3.2510005425417523
• License:
• Abstract: This study explores the use of Generative Adversarial Networks (GANs) to detect AI deepfakes and fraudulent activities in online payment systems. With the growing prevalence of deepfake technology, which can manipulate facial features in images and videos, the potential for fraud in online transactions has escalated. Traditional security systems struggle to identify these sophisticated forms of fraud. This research proposes a novel GAN-based model that enhances online payment security by identifying subtle manipulations in payment images. The model is trained on a dataset consisting of real-world online payment images and deepfake images generated using advanced GAN architectures, such as StyleGAN and DeepFake. The results demonstrate that the proposed model can accurately distinguish between legitimate transactions and deepfakes, achieving a high detection rate above 95%. This approach significantly improves the robustness of payment systems against AI-driven fraud. The paper contributes to the growing field of digital security, offering insights into the application of GANs for fraud detection in financial services. Keywords- Payment Security, Image Recognition, Generative Adversarial Networks, AI Deepfake, Fraudulent Activities
• Abstract（参考訳）: 本研究では,GAN(Generative Adversarial Networks)を用いて,オンライン決済システムにおけるAIディープフェイクや不正行為を検出する。 画像やビデオの顔の特徴を操作できるディープフェイク技術の普及に伴い、オンライン取引における詐欺の可能性は高まっている。 従来のセキュリティシステムは、これらの高度な詐欺形式を特定するのに苦労している。 本研究では,支払い画像の微妙な操作を識別し,オンライン決済のセキュリティを高める新しいGANモデルを提案する。 このモデルは、StyleGANやDeepFakeといった先進的なGANアーキテクチャを使って生成された現実世界のオンライン支払いイメージとディープフェイクイメージからなるデータセットに基づいてトレーニングされている。 その結果,提案モデルでは正当取引とディープフェイクを正確に区別することができ,95%以上の高い検出率が得られることがわかった。 このアプローチは、AI駆動詐欺に対する支払いシステムの堅牢性を大幅に改善する。 この論文はデジタルセキュリティの分野の発展に寄与し、金融サービスにおける不正検出へのGANの適用に関する洞察を提供する。 キーワード-支払いセキュリティ、画像認識、生成的敵ネットワーク、AIディープフェイク、フルートレントアクティビティ

関連論文リスト

• Proactive Fraud Defense: Machine Learning's Evolving Role in Protecting Against Online Fraud [0.0]
  本稿では,不正検出・防止における機械学習の変革的役割について考察する。 膨大なデータセットの処理、複雑な不正パターンの特定、リアルタイム予測の提供における機械学習の強みを強調している。 機械学習が不正検出フレームワークに革命をもたらす可能性を強調し、よりダイナミックで効率的で、さまざまな業界における不正検出の複雑さの増大に対処できる。
  論文  参考訳（メタデータ） (2024-10-26T21:34:28Z)
• 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)
• 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)
• Enhancing Credit Card Fraud Detection A Neural Network and SMOTE Integrated Approach [4.341096233663623]
  本研究では、ニューラルネットワーク(NN)とSMOTE(Synthet ic Minority Over-Sampling Technique)を組み合わせて検出性能を向上させる革新的な手法を提案する。 この研究は、クレジットカード取引データに固有の不均衡に対処し、堅牢で正確な不正検出のための技術的進歩に焦点を当てた。
  論文  参考訳（メタデータ） (2024-02-27T02:26:04Z)
• 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)
• Open-Set: ID Card Presentation Attack Detection using Neural Transfer Style [2.946386240942919]
  本研究は,4つのGANを用いた画像翻訳モデルを用いて,サンプルの生成を改善するために,IDカード提示攻撃装置(PAI)について検討する。 印刷攻撃では0.63%,スクリーンキャプチャ攻撃では0.29%,EER性能は0.29%向上した。
  論文  参考訳（メタデータ） (2023-12-21T16:28:08Z)
• 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)
• Real Face Foundation Representation Learning for Generalized Deepfake Detection [74.4691295738097]
  ディープフェイク技術の出現は、個人のプライバシーと公共の安全に脅威をもたらすため、社会的な問題となっている。 十分な偽の顔を集めることはほぼ不可能であり、既存の検出器があらゆる種類の操作に一般化することは困難である。 本稿では,大規模な実顔データセットから一般表現を学習することを目的としたリアルフェイスファウンデーション表現学習(RFFR)を提案する。
  論文  参考訳（メタデータ） (2023-03-15T08:27:56Z)
• 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)
• Fingerprinting Image-to-Image Generative Adversarial Networks [53.02510603622128]
  Generative Adversarial Networks (GAN) は様々なアプリケーションシナリオで広く利用されている。 本稿では,信頼できる第三者に基づく画像間GANの知的保護のための新しい指紋認証方式を提案する。
  論文  参考訳（メタデータ） (2021-06-19T06:25:10Z)
• Artificial Fingerprinting for Generative Models: Rooting Deepfake Attribution in Training Data [64.65952078807086]
  光現実性画像生成は、GAN(Generative Adversarial Network)のブレークスルーにより、新たな品質レベルに達した。 しかし、このようなディープフェイクのダークサイド、すなわち生成されたメディアの悪意ある使用は、視覚的誤報に関する懸念を提起する。 我々は,モデルに人工指紋を導入することによって,深度検出の積極的な,持続可能なソリューションを模索する。
  論文  参考訳（メタデータ） (2020-07-16T16:49:55Z)

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。