論文の概要: Connecting online criminal behavior with machine learning: Using authorship attribution to analyze and link potential online traffickers
- arxiv url: http://arxiv.org/abs/2605.04080v1
- Date: Tue, 14 Apr 2026 19:34:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 06:56:26.579311
- Title: Connecting online criminal behavior with machine learning: Using authorship attribution to analyze and link potential online traffickers
- Title（参考訳）: オンライン犯罪行為と機械学習を結びつける: 著作者帰属を利用してオンライントラッカーを分析・リンクする
- Authors: Vageesh Kumar Saxena,
- Abstract要約: 本研究では,データ駆動機械学習を用いて,オンライン犯罪行為をよりよく理解し,関連づける方法について検討した。
匿名でいようとしても、人々は広告の書き方や画像をオンラインで提示する方法において一貫したパターンを維持する傾向にある。
この研究は、これらのパターンをオンライン広告の大規模なコレクションで分析することにより、関連するアカウントをリンクし、違法なオンライン市場をまたいだ繰り返しの行動を識別する方法を実証する。
- 参考スコア（独自算出の注目度）: 1.5229257192293202
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This research investigated how online criminal activities can be better understood and connected using data-driven machine learning methods. Many illegal activities, such as human trafficking and illicit trade, have moved to online platforms where offenders hide behind anonymous accounts and frequently change identities. This makes it difficult for authorities to understand how large these networks are and how different online profiles may be linked. The research shows that people tend to maintain consistent patterns in how they write advertisements and present images online, even when they try to stay anonymous. By analysing these patterns across large collections of online advertisements, the research demonstrates how to link related accounts and identify repeated behaviour across illegal online markets. In addition, the research also addresses how such methods should be used responsibly. It proposes clear guidelines to ensure that privacy, fairness, and transparency are respected when these tools are applied. Overall, the research provides practical ways to support law enforcement investigations while emphasising careful and ethical use.
- Abstract（参考訳）: 本研究では,データ駆動機械学習を用いて,オンライン犯罪行為をよりよく理解し,関連づける方法について検討した。
人身売買や違法取引など多くの違法行為は、犯罪者が匿名のアカウントの後ろに隠れ、しばしば身元を変更するオンラインプラットフォームに移動している。
これにより、当局がこれらのネットワークの規模や、オンラインのプロフィールがどれだけ異なるかを理解するのが困難になる。
この研究は、匿名でいようとしても、人々は広告の書き方や画像をオンラインで提示する方法において一貫したパターンを維持する傾向があることを示している。
この研究は、これらのパターンをオンライン広告の大規模なコレクションで分析することにより、関連するアカウントをリンクし、違法なオンライン市場をまたいだ繰り返しの行動を識別する方法を実証する。
さらに,本研究では,このような手法をレスポンシブに使用する方法についても論じている。
これらのツールを適用する際に、プライバシー、公正、透明性が尊重されることを保証するための明確なガイドラインを提案している。
全体として、この研究は、慎重で倫理的な使用を強調しながら、法執行機関の調査を支援する実践的な方法を提供している。
関連論文リスト
- SoK: Advances and Open Problems in Web Tracking [71.54586748169943]
Webトラッキングは、パーソナライズされた広告とコンバージョン追跡を可能にする、広範かつ不透明なプラクティスである。
Webトラッキングは、広告業界の変化、ブラウザによるアンチトラッキング対策の導入、新たなプライバシー規制の実施などによって、かつての世代の変革が進んでいる。
このシステム化・オブ・ナレッジ(SoK)は、この幅広い研究を統合することを目的としており、近代的で急速に進化するWebトラッキングのランドスケープを形成するための技術的なメカニズム、対策、および規制の包括的概要を提供する。
論文 参考訳（メタデータ） (2025-06-16T23:30:54Z) - Automated Profile Inference with Language Model Agents [67.32226960040514]
自動プロファイル推論(Automatic Profile Inference)と呼ばれる,LLMがオンラインの偽名にもたらす新たな脅威について検討する。
相手は、LDMに対して、疑似プラットフォーム上で公開されているユーザアクティビティから、機密性の高い個人属性を自動的に取り除き、抽出するように指示することができる。
実世界のシナリオにおけるこのような脅威の可能性を評価するために,AutoProfilerという自動プロファイリングフレームワークを導入する。
論文 参考訳（メタデータ） (2025-05-18T13:05:17Z) - FaceTracer: Unveiling Source Identities from Swapped Face Images and Videos for Fraud Prevention [75.75309883488005]
FaceTracerは、元人物の身元を、交換された顔画像やビデオから追跡するように設計されたフレームワークである。
これにより、スワップされた顔と元の人物を直接リンクできる堅牢な識別情報を抽出することができる。
論文 参考訳（メタデータ） (2024-12-11T04:00:17Z) - 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) - Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。
ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
論文 参考訳（メタデータ） (2023-04-06T05:20:16Z) - Detecting fake accounts through Generative Adversarial Network in online social media [0.0]
本稿では,ユーザ類似度尺度とGANアルゴリズムを用いて,Twitterデータセット内の偽ユーザアカウントを識別する手法を提案する。
問題の複雑さにもかかわらず、この方法は偽アカウントの分類と検出において80%のAUCレートを達成する。
論文 参考訳（メタデータ） (2022-10-25T10:20:27Z) - How we browse: Measurement and analysis of digital behavior [25.760665908194888]
参加者31名のデータを14日間連続して収集し,自己報告したブラウジングパターンについて検討した。
年齢によっては活動レベルに有意な差がみられたが、人種や性別によるものではない。
ユーザーはオンラインで過ごす時間をかなり過大評価しているが、オンラインで過ごす時間について比較的正確な認識を持っている。
論文 参考訳（メタデータ） (2021-08-15T14:08:30Z) - Profiling the Cybercriminal: A Systematic Review of Research [2.66512000865131]
サイバー犯罪者のプロファイリングに関する一般的な定義がない。
サイバー犯罪の主なタイプの1つはハッカーだ。
この記事では、その分野の最新の特徴化について述べる。
論文 参考訳（メタデータ） (2021-05-06T19:56:55Z) - Online Multi-modal Person Search in Videos [74.75432003006432]
本研究では,映像中の人物をリアルタイムで認識するオンライン人物検索フレームワークを提案する。
大規模な映画データセットを用いた実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-08T15:48:32Z)
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。