論文の概要: Toward Integrated Solutions: A Systematic Interdisciplinary Review of Cybergrooming Research
- arxiv url: http://arxiv.org/abs/2503.05727v1
- Date: Tue, 18 Feb 2025 03:08:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-16 09:47:35.207923
- Title: Toward Integrated Solutions: A Systematic Interdisciplinary Review of Cybergrooming Research
- Title（参考訳）: 総合的なソリューションに向けて:サイバーグルーム研究の体系的学際的考察
- Authors: Heajun An, Marcos Silva, Qi Zhang, Arav Singh, Minqian Liu, Xinyi Zhang, Sarvech Qadir, Sang Won Lee, Lifu Huang, Pamela Wisnieswski, Jin-Hee Cho,
- Abstract要約: サイバーグルームは、オンラインの信頼構築を通じて未成年者を搾取するが、研究は断片化されている。
社会科学は行動の洞察に焦点を合わせ、計算手法は検出を強調するが、その統合は不十分である。
本稿では,PRISMAフレームワークを用いて両分野を体系的に合成し,明瞭度を向上する。
- 参考スコア（独自算出の注目度）: 25.916172725963552
- License:
- Abstract: Cybergrooming exploits minors through online trust-building, yet research remains fragmented, limiting holistic prevention. Social sciences focus on behavioral insights, while computational methods emphasize detection, but their integration remains insufficient. This review systematically synthesizes both fields using the PRISMA framework to enhance clarity, reproducibility, and cross-disciplinary collaboration. Findings show that qualitative methods offer deep insights but are resource-intensive, machine learning models depend on data quality, and standard metrics struggle with imbalance and cultural nuances. By bridging these gaps, this review advances interdisciplinary cybergrooming research, guiding future efforts toward more effective prevention and detection strategies.
- Abstract（参考訳）: サイバーグルームリングは未成年者をオンラインの信頼構築を通じて搾取するが、研究は断片化され、全体的な予防が制限されている。
社会科学は行動の洞察に焦点を合わせ、計算手法は検出を強調するが、その統合は不十分である。
本稿では, PRISMAフレームワークを用いて両分野を体系的に合成し, 明瞭度, 再現性, 学際的協調性を向上する。
質的な手法は深い洞察を与えるが、リソース集約型であり、機械学習モデルはデータ品質に依存し、標準メトリクスは不均衡と文化的ニュアンスに苦しむ。
これらのギャップを埋めることで、このレビューは学際的なサイバーグルーム研究を前進させ、より効果的な予防と検出戦略に向けた今後の取り組みを導く。
関連論文リスト
- SoK: Towards Effective Automated Vulnerability Repair [11.028015952491991]
ソフトウェア脆弱性の増加は、自動脆弱性修復(AVR)技術を必要とする。
この知識の体系化(SoK)は、合成と現実の両方の脆弱性を含む、ランドスケープの包括的概要を提供する。
論文 参考訳（メタデータ） (2025-01-31T00:35:55Z) - Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。
この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。
本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
論文 参考訳（メタデータ） (2024-11-15T08:09:28Z) - A Unified and General Framework for Continual Learning [58.72671755989431]
継続学習(CL)は、以前取得した知識を維持しながら、動的かつ変化するデータ分布から学ぶことに焦点を当てている。
正規化ベース、ベイズベース、メモリ再生ベースなど、破滅的な忘れ込みの課題に対処する様々な手法が開発されている。
本研究の目的は,既存の方法論を包含し,整理する包括的かつ包括的な枠組みを導入することで,このギャップを埋めることである。
論文 参考訳（メタデータ） (2024-03-20T02:21:44Z) - Conserve-Update-Revise to Cure Generalization and Robustness Trade-off
in Adversarial Training [21.163070161951868]
敵の訓練は、敵の攻撃に対するニューラルネットワークの堅牢性を改善する。
特定のレイヤを選択的に更新し、他のレイヤを保存することで、ネットワークの学習能力を大幅に向上させることができることを示す。
重みの選択的保存, 更新, 修正を行うために, 勾配プロミネンス基準を利用した新しいトレーニングフレームワークCUREを提案する。
論文 参考訳（メタデータ） (2024-01-26T15:33:39Z) - Towards Improving Robustness Against Common Corruptions using Mixture of
Class Specific Experts [10.27974860479791]
本稿では,クラス特化エキスパートアーキテクチャの混合として知られる新しいパラダイムを紹介する。
提案したアーキテクチャは、一般的なニューラルネットワーク構造に関連する脆弱性を軽減することを目的としている。
論文 参考訳（メタデータ） (2023-11-16T20:09:47Z) - Exploring Federated Unlearning: Analysis, Comparison, and Insights [101.64910079905566]
フェデレーション・アンラーニングは、フェデレーション・システムで訓練されたモデルからデータを選択的に除去することを可能にする。
本稿では,既存のフェデレーション・アンラーニング手法について検討し,アルゴリズムの効率,モデル精度への影響,プライバシ保護の有効性について検討する。
フェデレートされたアンラーニング手法を評価するための統一ベンチマークであるOpenFederatedUnlearningフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-30T01:34:33Z) - GLUECons: A Generic Benchmark for Learning Under Constraints [102.78051169725455]
本研究では,自然言語処理とコンピュータビジョンの分野における9つのタスクの集合であるベンチマークを作成する。
外部知識を制約としてモデル化し、各タスクの制約のソースを特定し、これらの制約を使用するさまざまなモデルを実装します。
論文 参考訳（メタデータ） (2023-02-16T16:45:36Z) - Self-Supervised Anomaly Detection in Computer Vision and Beyond: A
Survey and Outlook [9.85256783464329]
異常検出は、サイバーセキュリティ、金融、医療など、さまざまな領域において重要な役割を担っている。
近年,深層学習モデルの顕著な成長により,この分野において大きな進歩を遂げている。
自己教師型学習の出現は、既存の最先端のアプローチよりも優れた新しいADアルゴリズムの開発を引き起こした。
論文 参考訳（メタデータ） (2022-05-10T21:16:14Z) - Continual Competitive Memory: A Neural System for Online Task-Free
Lifelong Learning [91.3755431537592]
我々は,教師なし学習,連続競合記憶(CCM)の新たな形態を提案する。
結果として得られる神経系は、オンライン連続分類問題において破滅的な忘れと戦う効果的なアプローチを提供する。
提案したCCMシステムは,他の競合学習ニューラルモデルよりも優れるだけでなく,最新かつ最先端の学習アプローチと競合する性能が得られることを実証する。
論文 参考訳（メタデータ） (2021-06-24T20:12:17Z) - Untangling tradeoffs between recurrence and self-attention in neural
networks [81.30894993852813]
本稿では,再帰的ネットワークにおける自己注意が勾配伝播に与える影響を公式に分析する。
長期的な依存関係を捉えようとするとき、勾配をなくすことの問題を緩和することを証明する。
本稿では,スパース自己アテンションを反復的にスケーラブルに利用するための関連性スクリーニング機構を提案する。
論文 参考訳（メタデータ） (2020-06-16T19:24:25Z)
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。