論文の概要: A Data-Driven Multimodal Method for Early Detection of Coordinated Abnormal Behaviors in Live-Streaming Platforms
- arxiv url: http://arxiv.org/abs/2609.01649v1
- Date: Sun, 30 Aug 2026 09:56:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:17.604244
- Title: A Data-Driven Multimodal Method for Early Detection of Coordinated Abnormal Behaviors in Live-Streaming Platforms
- Title（参考訳）: ライブストリーミングプラットフォームにおけるコーディネート異常の早期検出のためのデータ駆動型マルチモーダル手法
- Abstract要約: MM-FGDNetは大規模ライブストリーミング環境における異常な振る舞いを検出するためのデータ駆動フレームワークである。
時間的不正パターンモジュールは、弱い早期信号から突然のアウトブレイクまでの進行をキャプチャする。
協調操作モジュールは、組織されたユーザグループと自動アカウント間の協調的な相互作用を特定する。
- 参考スコア（独自算出の注目度）: 5.9816280902578844
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the rapid growth of live-streaming e-commerce and digital marketing, abnormal marketing behaviors have become increasingly concealed and coordinated across heterogeneous modalities, challenging platform governance and early risk identification. We propose MM-FGDNet, a data-driven multimodal framework for detecting abnormal behavior in large-scale live-streaming environments from complementary temporal-evolution and group-structure perspectives. A cross-modal temporal alignment module maps video, text, audio, and user behavior into a unified temporal semantic space. A temporal fraud-pattern module captures the progression from weak early signals to abrupt outbreaks, while a cooperative manipulation module identifies coordinated interactions among organized user groups and automated accounts. Experiments on real-world multi-platform live-streaming e-commerce datasets show that MM-FGDNet outperforms representative baselines, achieving an AUC of 0.927, F1 of 0.847, precision of 0.861, recall of 0.834, and an Early Detection Score of 0.689, while reducing false alarms. Ablation studies validate the contribution of each module, and cross-domain experiments demonstrate stable generalization to new streamers, product categories, and platforms. These results indicate that MM-FGDNet provides an effective and scalable solution for proactive detection of coordinated abnormal behavior in live-streaming systems.
- Abstract（参考訳）: ライブストリーミングのeコマースとデジタルマーケティングの急速な成長に伴い、不均一なマーケティング行動は、不均一なモダリティ、プラットフォームガバナンスへの挑戦、早期リスクの特定など、ますます隠蔽され、調整されている。
本稿では,データ駆動型マルチモーダルフレームワークMM-FGDNetを提案する。
クロスプラットフォームの時間的アライメントモジュールは、ビデオ、テキスト、オーディオ、ユーザの振る舞いを統合された時間的セマンティック空間にマッピングする。
時間的不正パターンモジュールは、弱い初期信号から突然のアウトブレイクまでの進行をキャプチャし、協調操作モジュールは、組織化されたユーザグループと自動アカウント間の協調的な相互作用を識別する。
実世界のマルチプラットフォームライブストリーミングeコマースデータセットの実験によると、MM-FGDNetは代表ベースラインより優れており、AUCは0.927、F1は0.847、精度は0.861、リコールは0.834、早期検出スコアは0.689、誤報は少ない。
アブレーション研究は各モジュールの寄与を検証し、クロスドメイン実験は新しいストリーマー、製品カテゴリ、プラットフォームへの安定な一般化を示す。
これらの結果から,MM-FGDNetは,ライブストリーミングシステムにおける協調異常検出に有効かつスケーラブルなソリューションであることがわかった。
関連論文リスト
- Federated Low-Rank Koopman Learning for Multivariate Time-Series Anomaly Detection in IoT Systems [21.604249370353585]
FedKADは、分散IoT多変量時系列のためのリソース効率の高いフェデレーション付きクープマン異常検出フレームワークである。
軽量なスライドウインドウクープマン表現を通して通常の時間力学を学習する。
2.1times103$高速トレーニング、80times$低通信、79times$低推論レイテンシを提供する。
論文 参考訳（メタデータ） (2026-07-09T22:48:24Z) - Multi-scale Coarse-to-fine Modeling for Test-time Human Motion Control [51.92884966472683]
MSCoTは、テストタイムの人間のモーション合成と制御のための、マルチスケールで粗い粒度モデルである。
MSCoTは動きを多スケールの階層表現に識別し、各時間スケールでトークンシーケンス全体を予測する。
論文 参考訳（メタデータ） (2026-05-14T15:09:49Z) - FedRio: Personalized Federated Social Bot Detection via Cooperative Reinforced Contrastive Adversarial Distillation [52.56850762009136]
ソーシャルボットの検出は、オンラインソーシャルプラットフォームの安定性とセキュリティに不可欠である。
現在の最先端のボット検出モデルは、主に独立して開発されている。
クロスプラットフォームおよびクロスモデル検出フレームワークとしてFedRioを提案する。
論文 参考訳（メタデータ） (2026-04-12T15:13:41Z) - Hierarchical Self-Supervised Representation Learning for Depression Detection from Speech [51.14752758616364]
音声による抑うつ検出 (SDD) は、従来の臨床評価に代わる有望で非侵襲的な代替手段である。
HAREN-CTCは,マルチタスク学習フレームワーク内でのクロスアテンションを用いて,多層SSL機能を統合した新しいアーキテクチャである。
このモデルはDAIC-WOZで0.81、MODMAで0.82の最先端マクロF1スコアを達成し、両方の評価シナリオで先行手法より優れている。
論文 参考訳（メタデータ） (2025-10-05T09:32:12Z) - On Multi-entity, Multivariate Quickest Change Point Detection [2.0369245689839817]
変更点検出(CPD)は、従来のセンシング手法が実現不可能なクラウドモニタリングのアプリケーションによって動機付けられている。
本稿では,正常度からの個人偏差(IDfN)の概念を紹介し,正常度を訓練した再構成エラーベースのオートエンコーダを用いて計算する。
平均値、分散値、カーネル密度推定値(KDE)を用いてこれらの個々の偏差を集約し、システムワイド異常スコア(SWAS)を生成する。
我々の教師なしアプローチはラベル付きデータや特徴抽出の必要性を排除し、ストリーミング入力のリアルタイム操作を可能にします。
論文 参考訳（メタデータ） (2025-09-22T18:35:24Z) - CALM: A Framework for Continuous, Adaptive, and LLM-Mediated Anomaly Detection in Time-Series Streams [0.42970700836450476]
本稿では,リアルタイム異常検出のための新しいエンドツーエンドフレームワークであるCALMを紹介する。
CALMはApache Beam分散処理フレームワーク上に構築されている。
クローズドループで連続的な微調整機構を実装し、異常検出モデルがほぼリアルタイムで進化するデータパターンに適応できるようにする。
論文 参考訳（メタデータ） (2025-08-29T00:27:35Z) - Leadership Detection via Time-Lagged Correlation-Based Network Inference [0.0]
本研究では,速度,加速度,方向といった複数の変数にまたがる時間差相関を用いた動的ネットワーク推定手法を提案する。
提案手法は,データ量やパラメータ依存の離散化を必要とせずに,指導パターンの識別を可能にする。
論文 参考訳（メタデータ） (2025-07-07T12:04:10Z) - Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。
現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。
情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
論文 参考訳（メタデータ） (2025-03-21T18:06:28Z) - HCL-MTSAD: Hierarchical Contrastive Consistency Learning for Accurate Detection of Industrial Multivariate Time Series Anomalies [4.806959791183183]
本稿では,産業用MSSにおける異常検出のための自己教師付き階層的コントラスト整合学習手法を提案する。
HCL-MTSADはマルチレイヤのコントラスト損失を発生させることで、データの一貫性とタイムスタンプと時間的関連を広範囲にマイニングすることができる。
HCL-MTSADの異常検出能力は、F1スコアの平均1.8%で最先端のベンチマークモデルを上回っている。
論文 参考訳（メタデータ） (2024-04-12T03:39:33Z) - Interactive Test-Time Adaptation with Reliable Spatial-Temporal Voxels for Multi-Modal Segmentation [56.70910056845503]
マルチモーダルテストタイム適応(MM-TTA)は、補完的なマルチモーダル入力をオンライン形式で活用することにより、ラベルのないターゲットドメインにモデルを適応させる。
従来のMM-TTA法は, 時間的不整合によるフレームワイドの不安定な予測と, 信頼度誘導の仮定に反する不正確な予測の2つの大きな限界に悩まされていた。
Latte++は、より情報的な幾何学的対応によって不安定なフレーム単位の予測をより抑制し、対話型テスト時間適応(ITTA)は、努力を伴わない人間のフィードバックを促進するフレキシブルなアドオンである。
論文 参考訳（メタデータ） (2024-03-11T06:56:08Z) - Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である
CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。
CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
論文 参考訳（メタデータ） (2023-10-01T05:07:17Z)
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。