論文の概要: AI-based Identity Fraud Detection: A Systematic Review
- arxiv url: http://arxiv.org/abs/2501.09239v1
- Date: Thu, 16 Jan 2025 01:52:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-17 15:10:35.605732
- Title: AI-based Identity Fraud Detection: A Systematic Review
- Title（参考訳）: AIに基づくアイデンティティ・フラッド検出:システムレビュー
- Authors: Chuo Jun Zhang, Asif Q. Gill, Bo Liu, Memoona J. Anwar,
- Abstract要約: 本稿では,4大学術文献データベースを対象とした43の論文群について概説する。
その結果, 身元不正防止と検出の2つの方法, 奥行き, オープンな課題が浮き彫りにされた。
本稿では,この重要なデジタルID詐欺の分野において,研究者や実践者がさらなる研究・開発を行うための基礎的知識基盤を提供する。
- 参考スコア（独自算出の注目度）: 1.8150583821390123
- License:
- Abstract: With the rapid development of digital services, a large volume of personally identifiable information (PII) is stored online and is subject to cyberattacks such as Identity fraud. Most recently, the use of Artificial Intelligence (AI) enabled deep fake technologies has significantly increased the complexity of identity fraud. Fraudsters may use these technologies to create highly sophisticated counterfeit personal identification documents, photos and videos. These advancements in the identity fraud landscape pose challenges for identity fraud detection and society at large. There is a pressing need to review and understand identity fraud detection methods, their limitations and potential solutions. This research aims to address this important need by using the well-known systematic literature review method. This paper reviewed a selected set of 43 papers across 4 major academic literature databases. In particular, the review results highlight the two types of identity fraud prevention and detection methods, in-depth and open challenges. The results were also consolidated into a taxonomy of AI-based identity fraud detection and prevention methods including key insights and trends. Overall, this paper provides a foundational knowledge base to researchers and practitioners for further research and development in this important area of digital identity fraud.
- Abstract（参考訳）: デジタルサービスの急速な発展に伴い、個人識別可能な大量の情報(PII)がオンラインで保存され、ID詐欺などのサイバー攻撃の対象となっている。
最近では、人工知能(AI)によるディープフェイク技術の利用により、ID詐欺の複雑さが大幅に増大している。
詐欺師はこれらの技術を使って、高度に洗練された偽造の個人識別文書、写真、ビデオを作成する。
これらのアイデンティティ詐欺の状況の進展は、アイデンティティ詐欺の検出と社会全般に課題をもたらしている。
個人認証の不正検出方法、その制限、潜在的な解決策をレビューし、理解する必要がある。
本研究は、よく知られた体系的文献レビュー手法を用いて、この重要なニーズに対処することを目的としている。
本論文は,4大学術文献データベースを対象とした43の論文群をレビューした。
特に, 不正行為防止と検出の2つの方法, 奥行き, オープンな課題について検討した。
結果は、重要な洞察やトレンドを含むAIベースのID不正の検出と防止方法の分類に集約された。
本稿では,この重要なデジタルID詐欺の分野において,研究者や実践者がさらなる研究・開発を行うための基礎的知識基盤を提供する。
関連論文リスト
- Fingerprinting and Tracing Shadows: The Development and Impact of Browser Fingerprinting on Digital Privacy [55.2480439325792]
ブラウザのフィンガープリントは、クッキーのような従来の方法なしでオンラインでユーザーを特定し、追跡するテクニックとして成長している。
本稿では, 各種指紋認証技術について概説し, 収集データのエントロピーと特異性を解析する。
論文 参考訳（メタデータ） (2024-11-18T20:32:31Z) - 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) - IDNet: A Novel Dataset for Identity Document Analysis and Fraud Detection [25.980165854663145]
IDNetは、プライバシー保護詐欺検出の取り組みを促進するために設計されたベンチマークデータセットである。
合成されたID文書の837,060枚の画像からなり、合計で約490ギガバイトである。
本研究は,プライバシ保護不正検出手法の訓練にどのように役立つかを示すとともに,データセットの有用性と利用事例を評価した。
論文 参考訳（メタデータ） (2024-08-03T07:05:40Z) - 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) - A Comprehensive Analysis of the Role of Artificial Intelligence and
Machine Learning in Modern Digital Forensics and Incident Response [0.0]
目標は、デジタル法医学とインシデント対応において、AIとMLのテクニックがどのように使われているか、詳しく調べることである。
この取り組みは、AI駆動の方法論がこれらの重要なデジタル法医学の実践を形作っている複雑な方法を明らかにするために、表面のずっと下を掘り下げる。
最終的に、この論文は、デジタル法医学におけるAIとMLの統合の重要性を強調し、現代のサイバー脅威に取り組む上での、彼らのメリット、欠点、より広範な意味についての洞察を提供する。
論文 参考訳（メタデータ） (2023-09-13T16:23:53Z) - The Age of Synthetic Realities: Challenges and Opportunities [85.058932103181]
我々は、有害な合成生成を識別し、それらを現実と区別することのできる法医学的手法の開発における重要な必要性を強調した。
我々の焦点は、画像、ビデオ、オーディオ、テキストなどの様々なメディアの形式にまで及んでいる。
この研究は、AI生成技術の急速な進歩と、法科学の基本原理に対する影響により、最も重要である。
論文 参考訳（メタデータ） (2023-06-09T15:55:10Z) - Synthetic ID Card Image Generation for Improving Presentation Attack
Detection [12.232059909207578]
本研究は,不正検出ネットワークを訓練しながら,データ量を増やすために,IDカード画像を合成的に生成する3つの手法について検討する。
以上の結果から, PAIS (Print/Scan Presentation Attack Instrument Species) の性能低下や, PAIS (Sing/Scan Presentation Instrument Species) の性能低下を伴わずに, 合成画像でデータベースを補足できることが示唆された。
論文 参考訳（メタデータ） (2022-10-31T19:07:30Z) - Challenges and Complexities in Machine Learning based Credit Card Fraud
Detection [0.0]
取引量、詐欺の独自性、詐欺師の巧妙さは詐欺を検知する上で大きな課題である。
機械学習、人工知能、ビッグデータの出現は、詐欺と戦うための新しいツールを公開した。
しかし,不正検出アルゴリズムの開発は,不正データの極めて不均衡な性質のため,困難で遅かった。
論文 参考訳（メタデータ） (2022-08-20T07:53:51Z) - Biometrics: Trust, but Verify [49.9641823975828]
バイオメトリック認識は、世界中のさまざまなアプリケーションに爆発しました。
生体認証システムの様々なサブモジュールに関する多くの顕著な問題と懸念があります。
論文 参考訳（メタデータ） (2021-05-14T03:07:25Z) - Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。
TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文 参考訳（メタデータ） (2020-03-15T12:45:10Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。