論文の概要: Generative AI and Digital Ecosystem Resilience: A Proactive Lifecycle-Based Survey

• arxiv url: http://arxiv.org/abs/2606.00136v1
• Date: Thu, 28 May 2026 22:22:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:27.99637
• Title: Generative AI and Digital Ecosystem Resilience: A Proactive Lifecycle-Based Survey
• Title（参考訳）: ジェネレーティブAIとデジタルエコシステムレジリエンス:積極的なライフサイクルベースの調査
• Authors: Jonghyun Chung, Rishabh Chaddha, Sanket Badhe, Debanshu Das, Nathan Huang, Amanpreet Kaur,
• Abstract要約: Generative AI(GenAI)によって加速される対向合成コンテンツの拡散は、従来の反応性検出方法を非効率にしている。 本調査は,創発的不正確な物語の検出に向けてのパラダイムシフトを示すために,新興研究を合成する。
• 参考スコア（独自算出の注目度）: 0.410492188035848
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The proliferation of adversarial synthetic content, accelerated by Generative AI (GenAI) is rendering traditional reactive detection methods ineffective. This survey synthesizes emerging research to demonstrate a paradigm shift toward the proactive detection of emerging inauthentic narratives. In this survey, we adopt a unified, lifecycle-based taxonomy to combine socio-technical lifecycle models of adversarial campaigns with advanced computational methodologies for emerging inauthentic narrative detection. By structuring the analysis around the C5 Interaction Model (Context, Causes, Content, Cycle of Amplification, Consequences), we integrate different research streams from machine learning and social science. To differentiate spread patterns of synthetic amplification from authentic baseline traffic, this paper surveys state-of-the-art techniques for modeling the creation, seeding, and propagation of fresh narratives, including the analysis of Coordinated Inauthentic Behavior (CIB), epidemiological modeling, and Hawkes process. This survey also provides a systematic review of proactive detection methods for adversarial threats at different stages in the C5 interaction model, specifically, anomaly detection in high-dimensional embedding spaces, unsupervised coordination detection on multi-layer graphs, and agentic AI systems. Finally, this survey addresses challenges posed by GenAI, including the difficulty of tracking rapidly changing threats and multi-level distributional drift, and it outlines a future research agenda focused on detecting anomalous clusters and building anticipatory and resilient systems. This survey provides a comprehensive, lifecycle-based review of methods for the proactive detection of emerging synthetic threats for more resilient information ecosystems.
• Abstract（参考訳）: Generative AI(GenAI)によって加速される対向合成コンテンツの拡散は、従来の反応性検出方法を非効率にしている。 本調査は,創発的不正確な物語の検出に向けてのパラダイムシフトを示すために,新興研究を合成する。 本調査では,対人キャンペーンの社会技術的ライフサイクルモデルと,新たに出現する不正確な物語検出のための高度な計算手法を組み合わせるために,ライフサイクルに基づく統合型分類法を採用する。 C5インタラクションモデル(コンテキスト、原因、内容、増幅サイクル、結果)に関する分析を構造化することにより、機械学習と社会科学からさまざまな研究の流れを統合する。 本報告では, 合成増幅の拡散パターンを, 真のベースライントラフィックと区別するために, 創出, 播種, 伝播の最先端技術について検討し, 協調的不均一行動(CIB)の分析, 疫学モデリング, ホークス過程の解析を行った。 この調査はまた、C5相互作用モデルにおける異なる段階における敵の脅威に対する積極的な検出方法の体系的なレビュー、特に高次元埋め込み空間における異常検出、多層グラフ上の教師なし協調検出、エージェントAIシステムについて述べる。 最後に、GenAIがもたらす課題に対処し、急速に変化する脅威の追跡や多段階の分散ドリフトの難しさ、異常クラスタの検出と予測とレジリエントシステムの構築に焦点をあてた今後の研究課題を概説する。 この調査は、よりレジリエントな情報エコシステムのための、出現する合成脅威を積極的に検出するための、包括的なライフサイクルベースの方法のレビューを提供する。

関連論文リスト

• The Verification Crisis: Expert Perceptions of GenAI Disinformation and the Case for Reproducible Provenance [47.03825808787752]
  本稿では,AI研究者,政策立案者,偽情報専門家による縦断的専門家意識調査(N=21)の第1波から得られた知見について述べる。 テキスト、画像、オーディオ、ビデオといったマルチモーダルな脅威の重大さを調査し、現在の緩和戦略を評価する。 その結果、ディープフェイクビデオは即時「衝撃」の値を示す一方で、大規模テキスト生成は「印象的断片化」のシステム的リスクをもたらすことが示された。
  論文  参考訳（メタデータ） (2026-02-02T13:45:12Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
  異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。 近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。 この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
  論文  参考訳（メタデータ） (2025-06-11T03:29:18Z)
• Methods and Trends in Detecting AI-Generated Images: A Comprehensive Review [0.17188280334580194]
  GAN(Generative Adversarial Networks)、拡散モデル(Diffusion Models)、変分オートエンコーダ(VAEs)は、高品質なマルチメディアデータの合成を可能にしている。 これらの進歩は、敵の攻撃、非倫理的使用、社会的な危害に関する重大な懸念を引き起こした。 このサーベイは、先進的な生成AIモデルによって生成された合成画像の検出と分類のための最先端技術に関する包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2025-02-21T03:16:18Z)
• The Cat and Mouse Game: The Ongoing Arms Race Between Diffusion Models and Detection Methods [0.0]
  拡散モデルは合成メディア生成を変革し、未整合のリアリズムとコンテンツ生成の制御を提供する。 それらは、ディープフェイク、誤報、著作権のある素材の不正な複製を促進することができる。 これに対し, 効果的な検出機構の必要性が高まっている。
  論文  参考訳（メタデータ） (2024-10-24T15:51:04Z)
• Adjoint Sensitivity Analysis on Multi-Scale Bioprocess Stochastic Reaction Network [2.6130735302655554]
  本稿では,機械的モデルパラメータの学習を高速化するための随伴感度アプローチを提案する。 本稿では,多スケールのバイオプロセス力学モデルを表す酵素解析(SA)について考察する。
  論文  参考訳（メタデータ） (2024-05-07T05:06:45Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Causal machine learning for single-cell genomics [94.28105176231739]
  単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。 まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。 次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
  論文  参考訳（メタデータ） (2023-10-23T13:35:24Z)

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。