論文の概要: SAT-BO: Verification Rule Learning and Optimization for FraudTransaction Detection

• arxiv url: http://arxiv.org/abs/2507.02635v1
• Date: Thu, 03 Jul 2025 14:01:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-04 15:37:16.379876
• Title: SAT-BO: Verification Rule Learning and Optimization for FraudTransaction Detection
• Title（参考訳）: SAT-BO:不正取引検出のための検証ルール学習と最適化
• Authors: Mao Luo, Zhi Wang, Yiwen Huang, Qingyun Zhang, Zhouxing Su, Zhipeng Lv, Wen Hu, Jianguo Li,
• Abstract要約: この高ボリューム環境における小さなエラーでさえ、かなりの財政的損失を生じさせる可能性がある。 このリスクを軽減するために、手動で構築された検証ルールは、トランザクションを識別および精査するために一般的に使用される。 しかし、脆弱性に対する検証ルールの堅牢性を保証するための体系的なアプローチが欠如しているため、彼らは悪用に耐えられないままである。
• 参考スコア（独自算出の注目度）: 16.828436361894653
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electronic payment platforms are estimated to process billions oftransactions daily, with the cumulative value of these transactionspotentially reaching into the trillions. Even a minor error within thishigh-volume environment could precipitate substantial financiallosses. To mitigate this risk, manually constructed verification rules,developed by domain experts, are typically employed to identifyand scrutinize transactions in production environments. However,due to the absence of a systematic approach to ensure the robust-ness of these verification rules against vulnerabilities, they remainsusceptible to exploitation.To mitigate this risk, manually constructed verification rules, de-veloped by domain experts, are typically employed to identify andscrutinize transactions in production environments. However, dueto the absence of a systematic approach to ensure the robustness ofthese verification rules against vulnerabilities, they remain suscep-tible to exploitation. To ensure data security, database maintainersusually compose complex verification rules to check whether aquery/update request is valid. However, the rules written by ex-perts are usually imperfect, and malicious requests may bypassthese rules. As a result, the demand for identifying the defects ofthe rules systematically emerges.
• Abstract（参考訳）: 電子決済プラットフォームは毎日数十億件の取引を処理し、これらの取引の累積価値は1兆ドルに達すると見積もられている。 この高ボリューム環境における小さなエラーでさえ、かなりの財政損失を発生させる可能性がある。 このリスクを軽減するために、ドメインの専門家によって開発された手動で構築された検証ルールは、通常、本番環境でトランザクションを識別および精査するために使用される。 しかし、脆弱性に対する検証ルールの堅牢性を保証するための体系的なアプローチが存在しないため、このリスクを軽減するために、ドメインの専門家が開発する検証ルールを手作業で構築し、運用環境でのトランザクションの特定と精査に使用されるのが一般的である。 しかし、脆弱性に対する検証ルールの堅牢性を保証するための体系的なアプローチが欠如しているため、彼らは悪用に耐えられないままである。 データセキュリティを保証するため、データベースメンテナは通常、複雑な検証ルールを構成して、クエリ/更新要求が有効かどうかをチェックする。 しかしながら、ex-pertsによって書かれたルールは通常不完全であり、悪意のある要求はルールをバイパスする可能性がある。 その結果、規則の欠陥を特定する要求が体系的に現れる。

関連論文リスト

• Robust ML Auditing using Prior Knowledge [3.513282443657269]
  監査操作は、プラットフォームが故意に回答を変更して、他のユーザーに答えを変更することなく監査をパスした場合に発生する。 本稿では,プラットフォームが解決した課題に対する監査者の事前知識を考慮し,操作保護監査に対する新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2025-05-07T20:46:48Z)
• TrustLoRA: Low-Rank Adaptation for Failure Detection under Out-of-distribution Data [62.22804234013273]
  本稿では,共変量および意味的シフトの両条件下での拒絶による分類を統一し,促進する,単純な故障検出フレームワークを提案する。 キーとなる洞察は、障害固有の信頼性知識を低ランクアダプタで分離し、統合することにより、障害検出能力を効果的かつ柔軟に向上できるということです。
  論文  参考訳（メタデータ） (2025-04-20T09:20:55Z)
• Deep Learning Approaches for Anti-Money Laundering on Mobile Transactions: Review, Framework, and Directions [51.43521977132062]
  マネーロンダリング(英: Money laundering)は、不正資金の起源を隠蔽する金融犯罪である。 モバイル決済プラットフォームとスマートIoTデバイスの普及は、マネーロンダリング対策をかなり複雑にしている。 本稿では,AMLにおけるディープラーニングソリューションとその利用に関する課題について,包括的レビューを行う。
  論文  参考訳（メタデータ） (2025-03-13T05:19:44Z)
• Towards Copyright Protection for Knowledge Bases of Retrieval-augmented Language Models via Reasoning [58.57194301645823]
  大規模言語モデル(LLM)は、現実のパーソナライズされたアプリケーションにますます統合されている。 RAGで使用される知識基盤の貴重かつしばしばプロプライエタリな性質は、敵による不正使用のリスクをもたらす。 これらの知識基盤を保護するための透かし技術として一般化できる既存の方法は、一般的に毒やバックドア攻撃を含む。 我々は、無害な」知識基盤の著作権保護の名称を提案する。
  論文  参考訳（メタデータ） (2025-02-10T09:15:56Z)
• RIFF: Inducing Rules for Fraud Detection from Decision Trees [5.640162873635426]
  本稿では,決定木から直接設定した低偽陽性率ルールを蒸留するルール誘導アルゴリズムRIFFを提案する。 提案実験により,FPRの低いタスクに対して,誘導ルールが元のモデルの性能を維持・改善できることがよく示されている。
  論文  参考訳（メタデータ） (2024-08-23T11:14:20Z)
• AGORA: Open More and Trust Less in Binary Verification Service [16.429846973928512]
  本稿では,この課題を克服するために設計された新しいバイナリ検証サービスであるAGORAを紹介する。 あるタスクは信頼できないエンティティに委譲でき、対応するバリデーターは信頼されたコンピューティングベースに確実に格納される。 ブロックチェーンベースの新たな報奨金タスクマネージャを通じて、クラウドソーシングを使用して、定理証明者の信頼を取り除く。
  論文  参考訳（メタデータ） (2024-07-21T05:29:22Z)
• From Chaos to Clarity: Claim Normalization to Empower Fact-Checking [57.024192702939736]
  Claim Normalization(別名 ClaimNorm)は、複雑でノイズの多いソーシャルメディア投稿を、より単純で分かりやすい形式に分解することを目的としている。 本稿では,チェーン・オブ・ソートとクレーム・チェック・バシネス推定を利用した先駆的アプローチであるCACNを提案する。 実験により, CACNは様々な評価尺度において, いくつかの基準値を上回る性能を示した。
  論文  参考訳（メタデータ） (2023-10-22T16:07:06Z)
• Free Lunch for Generating Effective Outlier Supervision [46.37464572099351]
  本稿では, ほぼ現実的な外乱監視を実現するための超効率的な手法を提案する。 提案したtextttBayesAug は,従来の方式に比べて偽陽性率を 12.50% 以上削減する。
  論文  参考訳（メタデータ） (2023-01-17T01:46:45Z)
• Explainable Abuse Detection as Intent Classification and Slot Filling [66.80201541759409]
  我々は、システムがデータ検査だけで乱用を構成する事象を確実に学習できるという非現実的な期待を捨て、政策対応による悪用検出の概念を導入する。 目的分類とスロットフィリングのためのアーキテクチャは、モデル決定の根拠を提供しながら、悪用検出にどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2022-10-06T03:33:30Z)
• A Time-Frequency based Suspicious Activity Detection for Anti-Money Laundering [0.0]
  マネーロンダリングは、犯罪者が犯罪の収益を金融システムに注入するために使う重要なメカニズムである。 これらの機関の現在のシステムのほとんどはルールベースであり、非効率である。 本稿では、金融取引の2次元表現を利用した時間周波数分析に基づく新しい特徴セットを提案する。
  論文  参考訳（メタデータ） (2020-11-17T08:01:50Z)
• ARMS: Automated rules management system for fraud detection [1.7499351967216341]
  オンライン不正検出は、入ってくる取引を合法か不正かのどちらかにリアルタイムで分類する。 現代の不正検出システムは、人間の専門家によって定義された機械学習モデルとルールで構成されている。 本稿では,個々のルールの貢献度を評価する自動ルール管理システムARMSを提案し,検索とユーザ定義の損失関数を用いたアクティブなルールセットを最適化する。
  論文  参考訳（メタデータ） (2020-02-14T15:29:59Z)

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。