論文の概要: How Cybersecurity Behaviors affect the Success of Darknet Drug Vendors: A Quantitative Analysis
- arxiv url: http://arxiv.org/abs/2508.00934v1
- Date: Thu, 31 Jul 2025 05:45:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 19:15:11.663683
- Title: How Cybersecurity Behaviors affect the Success of Darknet Drug Vendors: A Quantitative Analysis
- Title（参考訳）: ダークネットドラッグベンダーの成功にサイバーセキュリティがどう影響するか:定量的分析
- Authors: Syon Balakrishnan, Aaron Grinberg,
- Abstract要約: 本研究は,Agoraマーケットプレースにおける2,653ベンダから5万以上のリストを定量回帰分析した(2014-2015)。
プロダクトの多様化は、ベンダー規模の支配的な予測要因として現れ、大きなベンダーのステータスの確率を、追加のカテゴリごとに169%増加させます。
ベンダーの成功は、専門化よりもポートフォリオの幅にかかっている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding behavioral drivers of success in illicit digital marketplaces is critical for developing effective enforcement strategies and understanding digital commerce evolution, as darknet drug markets represent a growing share of the total drug economy. This study employs quantitative regression analysis of 50,000+ listings from 2,653 vendors in the Agora marketplace (2014-2015), examining relationships between cybersecurity signaling (PGP encryption mentions), product diversification, and commercial success through nested regression specifications controlling for reputation, pricing, and category-specific factors. Product diversification emerges as the dominant predictor of vendor scale, increasing the odds of large vendor status by 169% per additional category, while PGP encryption signaling functions primarily as a professional marker rather than an independent success factor. Vendor success depends on portfolio breadth rather than specialization, with category-specific enforcement creating differential market constraints. Successful vendors operate as diversified enterprises capable of rapid pivoting between product categories, requiring targeted enforcement towards diversified vendors based on coordinated multi-category enforcement approaches rather than traditional substance-specific targeting strategies.
- Abstract（参考訳）: 違法なデジタル市場の成功の行動的要因を理解することは、効果的に実施戦略を開発し、ダークネットドラッグ市場がドラッグ経済全体のシェアを拡大していることから、デジタルコマースの進化を理解するために重要である。
本研究は,Agoraマーケットプレース(2014-2015)の2,653社から5万件以上のリストを定量回帰分析し,サイバーセキュリティシグナリング(PGP暗号化の言及)と製品多様化,ネストされた回帰仕様による商業的成功との関係を検討した。
プロダクトの多様化は、ベンダー規模の主要な予測要因として現れ、大きなベンダーのステータスが追加カテゴリごとに169%向上する一方、PGP暗号化シグナルは、独立した成功要因ではなく、主にプロのマーカーとして機能する。
ベンダーの成功は、専門化よりもポートフォリオの幅にかかっている。
成功しているベンダーは、製品カテゴリ間の迅速なピボットが可能な多様化した企業として運営されており、従来の物質固有のターゲティング戦略ではなく、協調した多カテゴリの執行アプローチに基づいて、多様化されたベンダーに対してターゲットを絞る必要がある。
関連論文リスト
- MARS: A Meta-Adaptive Reinforcement Learning Framework for Risk-Aware Multi-Agent Portfolio Management [7.740995234462868]
強化 学習は、自動ポートフォリオ管理において大きな可能性を秘めている。
リスク認識システム(MARS)のためのメタ制御エージェントを提案する。
MARSは異種エージェントアンサンブルを使用しており、各エージェントは固有の固有のリスクプロファイルを持っている。
論文 参考訳（メタデータ） (2025-08-02T03:23:41Z) - Building crypto portfolios with agentic AI [46.348283638884425]
暗号通貨市場の急速な成長は投資家に新たな機会を与えたが、同時に高いボラティリティがもたらされた。
本稿では,暗号アロケーションを自律的に構築し,評価するためのマルチエージェントシステムの実用化について述べる。
論文 参考訳（メタデータ） (2025-07-11T18:03:51Z) - CRMArena-Pro: Holistic Assessment of LLM Agents Across Diverse Business Scenarios and Interactions [85.88573535033406]
CRMArena-Proは、多種多様なプロフェッショナル環境でのLLMエージェントの総合的で現実的な評価のための新しいベンチマークである。
多様なペルソナと堅牢な機密性意識評価によって導かれるマルチターンインタラクションが組み込まれている。
実験によると、主要なLLMエージェントはCRMArena-Proで58%のシングルターン成功しか達成せず、パフォーマンスはマルチターン設定で約35%に大幅に低下している。
論文 参考訳（メタデータ） (2025-05-24T21:33:22Z) - Interpretable Company Similarity with Sparse Autoencoders [0.0]
スパースオートエンコーダ(SAE)は、大規模言語モデル(LLM)の解釈可能性を高めることを約束している。
SAEの機能をSICコード、産業コード、埋め込みに対してベンチマークします。
以上の結果から,SAEはセクターの分類や組込みを超越し,企業特性を把握できた。
論文 参考訳（メタデータ） (2024-12-03T17:34:50Z) - When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。
StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。
AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
論文 参考訳（メタデータ） (2024-07-15T06:49:30Z) - Quantformer: from attention to profit with a quantitative transformer trading strategy [1.6006550105523192]
この研究は2010年から2019年にかけて、中国資本市場における4,601株の5000,000以上の転がるデータを集めている。
本研究は、他の100因子量的戦略と比較して、株価トレンド予測におけるモデルの性能が優れていることを示した。
論文 参考訳（メタデータ） (2024-03-30T17:18:00Z) - Quantifying Agent Interaction in Multi-agent Reinforcement Learning for
Cost-efficient Generalization [63.554226552130054]
マルチエージェント強化学習(MARL)における一般化の課題
エージェントが未確認のコプレイヤーに影響される程度は、エージェントのポリシーと特定のシナリオに依存する。
与えられたシナリオと環境におけるエージェント間の相互作用強度を定量化する指標であるLoI(Level of Influence)を提示する。
論文 参考訳（メタデータ） (2023-10-11T06:09:26Z) - Optimizing Trading Strategies in Quantitative Markets using Multi-Agent
Reinforcement Learning [11.556829339947031]
本稿では、固定比率ポートフォリオ保険(CPPI)と時間不変ポートフォリオ保護(TIPP)の2つの確立された金融取引戦略の統合について検討する。
本稿では,量的市場における戦略的取引の探索に適した2つの新しいマルチエージェントRL(MARL)手法,CPPI-MADDPGとTIPP-MADDPGを紹介する。
実験の結果,CPPI-MADDPGとTIPP-MADDPGの戦略は従来よりも一貫して優れていた。
論文 参考訳（メタデータ） (2023-03-15T11:47:57Z) - Factor Investing with a Deep Multi-Factor Model [123.52358449455231]
我々は、業界中立化と市場中立化モジュールを明確な財務見識をもって取り入れた、新しい深層多要素モデルを開発する。
実世界の株式市場データによるテストは、我々の深層多要素モデルの有効性を示している。
論文 参考訳（メタデータ） (2022-10-22T14:47:11Z) - MetaTrader: An Reinforcement Learning Approach Integrating Diverse
Policies for Portfolio Optimization [17.759687104376855]
ポートフォリオ管理のための新しい2段階的アプローチを提案する。
最初の段階では、強化学習フレームワークに模倣学習を組み込む。
第2段階では、メタ政治を学び、市場状況を認識し、従うべき最も適切な学習方針を決定する。
論文 参考訳（メタデータ） (2022-09-01T07:58:06Z) - Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。
模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
論文 参考訳（メタデータ） (2021-12-08T14:55:21Z) - Robust Risk-Sensitive Reinforcement Learning Agents for Trading Markets [23.224860573461818]
トレーディングマーケットは、強化学習エージェントを展開するための現実世界の金融アプリケーションである。
リスクに敏感なペイオフを考慮したマルチエージェント学習のための経験的ゲーム理論解析を拡張した最初の研究である。
論文 参考訳（メタデータ） (2021-07-16T19:15:13Z)
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。