論文の概要: Combating Organized Platform Abuse: Amplifying Weak Risk Signals with Structural Information

• arxiv url: http://arxiv.org/abs/2605.07383v1
• Date: Fri, 08 May 2026 07:38:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.892252
• Title: Combating Organized Platform Abuse: Amplifying Weak Risk Signals with Structural Information
• Title（参考訳）: 組立プラットフォーム乱用:構造情報による弱危険信号の増幅
• Authors: Meng He, Jia Long Loh,
• Abstract要約: 大規模なオンラインサービスプラットフォームは、組織化されたプラットフォームの乱用による深刻な問題に直面している。 本稿では,Fraudster の Trilemma を提案する: 組織的攻撃者は,スケール,低コスト,分散キャッシュアウトを同時に達成できない。 簡単な統計的手法を用いて、低精度個々の弱い信号を高精度な強い決定に変換する。
• 参考スコア（独自算出の注目度）: 0.7734726150561086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale online service platforms face severe challenges from organized platform abuse: multiple forms such as credit card fraud and promotion abuse continually emerge, characterized by large numbers of involved accounts, rapid outbreaks, and constantly shifting tactics. Existing mainstream approaches, whether heuristic rules limited in precision, supervised learning with insufficient generalization, or graph models that are engineering-heavy and dependent on seed users, have failed to address such threats effectively. This paper returns to first principles and, starting from the economic constraints of fraudulent behavior, proposes the Fraudster's Trilemma: organized attackers cannot simultaneously achieve scale, low cost, and dispersed cash-out. Building on this theory, we derive a robust structural invariant in organized fraud, namely centralized cash-out, and use a simple statistical method to turn low-precision individual weak signals into high-precision strong decisions. The method requires no labels, is nearly parameter-free, white-box interpretable, has linear complexity O(|E|), avoids cold-start issues, and its detection logic possesses the "open-hand" property: attackers cannot evade it even when fully informed. We validate the approach on two real fraud incidents in backtests. In the promotion abuse case, a single near-zero-cost weak signal (global Precision of only 16%) after structural amplification achieves Precision above 91% and Recall exceeding 99% (z=10.0); at a higher threshold (z=40.0), Precision reaches 93.7%. In the credit card fraud case, an infrastructure-layer weak signal (device spoofing) successfully detects payment-layer attacks without any business-logic linkage, revealing the framework's natural MO-agnostic property: it relies more on the structural invariant than on signal semantics.
• Abstract（参考訳）: 大規模なオンラインサービスプラットフォームは、組織化されたプラットフォームの乱用による深刻な問題に直面している。クレジットカード詐欺やプロモーションの乱用といった複数の形態が、大量のアカウント、急激なアウトブレイク、絶えずシフトする戦術によって、継続的に出現する。 既存の主流のアプローチは、正確性に制限されたヒューリスティックなルール、一般化が不十分な教師付き学習、あるいは、エンジニアリングに重く、シードユーザに依存したグラフモデルが、そのような脅威に効果的に対処できなかったか、である。 本稿では, 詐欺行為の経済的制約から, 組織的攻撃者は, 規模, 低コスト, 分散キャッシュアウトを同時に達成できない, フラウドスターのトリレンマを提案する。 この理論に基づいて、組織的不正、すなわち中央集権的なキャッシュアウトにおいて頑健な構造的不変性を導出し、低精度の個人弱い信号を高精度の強い決定に変換するための単純な統計手法を用いる。 この方法はラベルを必要とせず、ほとんどパラメータフリーでホワイトボックスの解釈が可能であり、線形複雑性O(|E|)を持ち、コールドスタートの問題を避け、その検出ロジックは「オープンハンド」特性を持っている。 バックテストにおける2つの実際の詐欺事件に対するアプローチを検証する。 宣伝の乱用の場合、構造増幅後の1つのほぼゼロコスト弱信号(グローバル精度はわずか16%)は91%以上、リコールは99%以上(z=10.0)、高いしきい値(z=40.0)では93.7%に達する。 クレジットカード詐欺の場合、インフラストラクチャー層弱信号(デバイススプーフィング)は、ビジネス論理的リンクのない支払い層攻撃をうまく検出し、そのフレームワークの自然なMO非依存性を明らかにする。

関連論文リスト

• SHARP: A Self-Evolving Human-Auditable Rubric Policy for Financial Trading Agents [11.616028403813031]
  大規模言語モデル(LLM)は、自律的な金融取引のためにますます多くデプロイされている。 我々は,制約のないテキストの突然変異を構造的,象徴的なポリシー最適化に置き換える,神経象徴的な枠組みである自己進化型ヒューマン・アディタブル・ポリシー(SHARP)を導入する。
  論文  参考訳（メタデータ） (2026-05-07T18:23:44Z)
• GenDetect: Generalizing Reactive Detection for Resilience Against Imitative DeFi Attack Cascade [23.806317656630274]
  Defi攻撃は、スマートコントラクトの透明で構成可能な性質のために急速に伝播する。 実証分析によると、DeFi攻撃の69%以上は、以前のインシデントと強い行動類似性を示している。 我々は、ACC 98%、F 1%、FNR 3%を達成するGenDetectを開発し、過去3年間の56件の未発見攻撃を発見した。
  論文  参考訳（メタデータ） (2026-04-28T20:18:02Z)
• GoAT-X: A Graph of Auditing Thoughts for Securing Token Transactions in Cross-Chain Contracts [52.51342355102833]
  マルチチェーンエコシステムの重要な基盤であるクロスチェーンブリッジは、攻撃者にとって主要なターゲットとなっている。 バイトコードレベルの静的解析のような既存の防御は、チェーン間の相互作用のセマンティックな複雑さを扱うには不十分である。 パターンマッチングから体系的な第一原理検証へ自動的なクロスチェーンスマートコントラクト監査を移行するフレームワークであるGoAT-Xを提案する。
  論文  参考訳（メタデータ） (2026-04-27T11:34:21Z)
• The System Prompt Is the Attack Surface: How LLM Agent Configuration Shapes Security and Creates Exploitable Vulnerabilities [0.0]
  PhishNChipsは、10の迅速な戦略に基づく11のモデルの研究である。 単一モデルのフィッシングバイパス速度は、設定方法によって1%未満から97%の範囲である。 高い予測信号に関するプロンプトの最適化により,ベンチマーク性能が向上することを示す。
  論文  参考訳（メタデータ） (2026-03-26T05:48:37Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• FormalJudge: A Neuro-Symbolic Paradigm for Agentic Oversight [21.731032636844237]
  本稿では,双方向のフォーマル・オブ・サートアーキテクチャを用いたニューロシンボリック・フレームワークを提案する。 行動安全,マルチドメイン制約順守,エージェントによる上向き偽装検出の3つのベンチマークにまたがって検証を行った。
  論文  参考訳（メタデータ） (2026-02-11T18:48:11Z)
• The Eminence in Shadow: Exploiting Feature Boundary Ambiguity for Robust Backdoor Attacks [51.468144272905135]
  深層ニューラルネットワーク(DNN)は、バックドア攻撃に対して脆弱なままでも重要なアプリケーションを支える。 バックドア攻撃を標的とした理論的解析を行い,不均質なモデル操作を実現するための疎い決定境界に着目した。 エミネンス(Eminence)は、理論的な保証と固有なステルス特性を持つ、説明可能で堅牢なブラックボックスバックドアフレームワークである。
  論文  参考訳（メタデータ） (2025-12-11T08:09:07Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)

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。