論文の概要: HMCGeo: IP Region Prediction Based on Hierarchical Multi-label Classification

• arxiv url: http://arxiv.org/abs/2501.16392v1
• Date: Sun, 26 Jan 2025 08:58:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-29 16:41:07.633410
• Title: HMCGeo: IP Region Prediction Based on Hierarchical Multi-label Classification
• Title（参考訳）: HMCGeo:階層型マルチラベル分類に基づくIP領域予測
• Authors: Tianzi Zhao, Xinran Liu, Zhaoxin Zhang, Dong Zhao, Ning Li, Zhichao Zhang, Xinye Wang,
• Abstract要約: 位置ベースのサービスやサイバーセキュリティといったアプリケーションでは、粒度の細かいIPロケーションが重要な役割を果たす。 本稿では,HMCGeoというIP領域予測のための階層型マルチラベル分類フレームワークを提案する。 我々は,HMCGeoがすべての地理的粒度に対して優れた性能を示し,既存のIP位置情報法を著しく上回っていることを示す。
• 参考スコア（独自算出の注目度）: 9.993613732452122
• License:
• Abstract: Fine-grained IP geolocation plays a critical role in applications such as location-based services and cybersecurity. Most existing fine-grained IP geolocation methods are regression-based; however, due to noise in the input data, these methods typically encounter kilometer-level prediction errors and provide incorrect region information for users. To address this issue, this paper proposes a novel hierarchical multi-label classification framework for IP region prediction, named HMCGeo. This framework treats IP geolocation as a hierarchical multi-label classification problem and employs residual connection-based feature extraction and attention prediction units to predict the target host region across multiple geographical granularities. Furthermore, we introduce probabilistic classification loss during training, combining it with hierarchical cross-entropy loss to form a composite loss function. This approach optimizes predictions by utilizing hierarchical constraints between regions at different granularities. IP region prediction experiments on the New York, Los Angeles, and Shanghai datasets demonstrate that HMCGeo achieves superior performance across all geographical granularities, significantly outperforming existing IP geolocation methods.
• Abstract（参考訳）: 位置ベースのサービスやサイバーセキュリティといったアプリケーションでは、粒度の細かいIPロケーションが重要な役割を果たす。 しかし、入力データのノイズのため、これらの手法は通常キロレベルの予測誤差に遭遇し、ユーザに誤った地域情報を提供する。 そこで本研究では,HMCGeoというIP領域予測のための階層型マルチラベル分類フレームワークを提案する。 本フレームワークは,IP位置情報を階層的マルチラベル分類問題として扱うとともに,残差接続に基づく特徴抽出とアテンション予測ユニットを用いて,複数の地理的粒度にわたるターゲットホスト領域の予測を行う。 さらに, 階層的クロスエントロピー損失と組み合わせて複合的損失関数を形成することにより, トレーニング中の確率的分類損失を導入する。 このアプローチは、異なる粒度の領域間の階層的制約を利用して予測を最適化する。 ニューヨーク、ロサンゼルス、上海のデータセットにおけるIP領域予測実験により、HMCGeoはすべての地理的な粒度において優れた性能を示し、既存のIP位置情報法よりも大幅に優れていた。

関連論文リスト

• Cybercrime Prediction via Geographically Weighted Learning [0.24578723416255752]
  地理的緯度と長手点を考慮したグラフニューラルネットワークモデルを提案する。 合成データセットを用いて,サイバーセキュリティの4クラス分類問題にアルゴリズムを適用した。 従来のニューラルネットワークや畳み込みニューラルネットワークよりも精度が高いことを示す。
  論文  参考訳（メタデータ） (2024-11-07T11:46:48Z)
• Enhancing Worldwide Image Geolocation by Ensembling Satellite-Based Ground-Level Attribute Predictors [4.415977307120618]
  本稿では,GPSなどの位置情報が存在しない場合の地上画像の位置を推定することの課題について検討する。 本稿では,推定位置分布の精度を計測する新しい指標であるリコール対エリア(Recall vs Area)を紹介する。 次に,複数の情報源からの情報を組み込んだグローバルな画像位置決め手法について検討する。
  論文  参考訳（メタデータ） (2024-07-18T19:15:52Z)
• Learning Geospatial Region Embedding with Heterogeneous Graph [16.864563545518124]
  様々な下流タスクに対する包括的領域埋め込みを学習するための有効なヘテロジニアスグラフ構造であるGeoHGを提案する。 具体的には、地理的領域分割とPOI(point-of-interest)統合による衛星画像表現学習を、表現的地域内特徴のために調整する。 GeoHGは情報的空間依存性と社会環境特性を強力なヘテロジニアスグラフに統合し、高次の地域間関係の明示的なモデリングを促進する。
  論文  参考訳（メタデータ） (2024-05-23T03:19:02Z)
• GeoCLIP: Clip-Inspired Alignment between Locations and Images for Effective Worldwide Geo-localization [61.10806364001535]
  世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。 既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。 画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
  論文  参考訳（メタデータ） (2023-09-27T20:54:56Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
  地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。 まず,地理的適応のための大規模データセットGeoNetを紹介する。 第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。 第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
  論文  参考訳（メタデータ） (2023-03-27T17:59:34Z)
• MGeo: Multi-Modal Geographic Pre-Training Method [49.78466122982627]
  マルチモーダルジオグラフィック言語モデル(MGeo)を提案する。 MGeoはGCを新しいモダリティとして表現し、正確なクエリ-POIマッチングのためのマルチモーダル相関を完全に抽出することができる。 提案するマルチモーダル事前学習法は,汎用PTMのクエリ-POIマッチング能力を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2023-01-11T03:05:12Z)
• Semantic Segmentation by Early Region Proxy [53.594035639400616]
  本稿では,学習可能な領域のテッセルレーションとしてイメージを解釈することから始まる,新規で効率的なモデリングについて述べる。 領域のコンテキストをモデル化するために,Transformerを用いてシーケンス・ツー・シーケンス方式で領域を符号化する。 現在、符号化された領域埋め込みの上に、領域ごとのセマンティックセグメンテーションを行う。
  論文  参考訳（メタデータ） (2022-03-26T10:48:32Z)
• GNN-Geo: A Graph Neural Network-based Fine-grained IP geolocation Framework [26.918369615549803]
  ルールベースのきめ細かいIP位置情報法は、コンピュータネットワークでは一般化が難しい。 グラフニューラルネットワーク(GNN)を用いたIP位置情報フレームワークGNN-Geoを提案する。 提案したGNN-Geoは、最先端のルールベースおよび学習ベースラインよりも明らかに優れている。
  論文  参考訳（メタデータ） (2021-12-18T10:54:31Z)
• Collaborative Training between Region Proposal Localization and Classification for Domain Adaptive Object Detection [121.28769542994664]
  オブジェクト検出のためのドメイン適応は、ラベル付きデータセットからラベル付きデータセットへの検出を適応させようとする。 本稿では,地域提案ネットワーク (RPN) と地域提案分類器 (RPC) が,大きなドメインギャップに直面した場合の転送可能性が大きく異なることを初めて明らかにする。
  論文  参考訳（メタデータ） (2020-09-17T07:39:52Z)

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。