論文の概要: Comparing Self-Supervised and Domain-Invariant Features for Cross-Domain Voice Phishing Detection

• arxiv url: http://arxiv.org/abs/2609.07079v1
• Date: Mon, 07 Sep 2026 06:06:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 01:43:33.387856
• Title: Comparing Self-Supervised and Domain-Invariant Features for Cross-Domain Voice Phishing Detection
• Title（参考訳）: クロスドメイン音声フィッシング検出のための自己監督的特徴とドメイン不変特徴の比較
• Abstract要約: ドメイン不変の韻律特徴と自己教師付き表現を比較する。 HuBERTは最高性能(94.2% F1, 5-shot)、wav2vec2.0は精度指向検出プロファイル(90.2% F1, 99.4%の精度、5-shot)である。 ドメイン不変の機能は、実際のデータが存在しない場合にゼロショットデプロイメントを可能にし、SSLメソッドはより高いパフォーマンスを実現するが、実際のサンプルと計算が必要である。
• 参考スコア（独自算出の注目度）: 5.314238974401925
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Voice phishing detection faces three critical challenges: real criminal recordings are unavailable due to privacy constraints; when available, only a handful of samples exist, insufficient for fine-tuning; and lightweight acoustic-only detection is needed as an alternative to large self-supervised models. We compare domain-invariant prosodic features and self-supervised representations (HuBERT, wav2vec2.0) through cross-domain evaluation-training on scenario-based actor recordings and testing on authentic criminal calls. Domain-invariant prosodic features achieve 69.5% F1 zero-shot and 71.0% with 5-shot learning. HuBERT achieves highest performance (94.2% F1, 5-shot), while wav2vec2.0 exhibits a precision-oriented detection profile (90.2% F1 with 99.4% precision, 5-shot). These findings reveal fundamental trade-offs: domain-invariant features enable zero-shot deployment when no real data exists, while SSL methods achieve higher performance but require real samples and compute.
• Abstract（参考訳）: 音声フィッシング検出には3つの重要な課題がある: 実際の犯罪記録はプライバシー上の制約により利用できない; 利用可能なサンプルはごくわずかであり、微調整には不十分である; 大規模な自己管理モデルの代替として、軽量な音響のみの検出が必要である。 我々は、シナリオベースのアクター録音のクロスドメイン評価トレーニングと、真正な犯罪呼び出しのテストを通じて、ドメイン不変の韻律特徴と自己教師付き表現(HuBERT, wav2vec2.0)を比較した。 ドメイン不変の韻律的特徴は69.5%のF1ゼロショットと71.0%の5ショット学習を実現している。 HuBERT は最高性能 (94.2% F1, 5-shot) を達成し、wav2vec2.0 は精度指向の検出プロファイル (90.2% F1, 99.4% の精度、5-shot) を示す。 ドメイン不変の機能は、実際のデータが存在しない場合にゼロショットデプロイメントを可能にし、SSLメソッドはより高いパフォーマンスを実現するが、実際のサンプルと計算が必要である。

関連論文リスト

• Theia: Large-Scale Multimodal Captioning and Automated Validation of the Incidents1M Dataset for Data-Free Distillation [43.1212452324751]
  この領域の既存のデータセットは完全に記述的テキストを欠いているか、あるいは厳しいテキストイメージのセマンティックなミスアライメントに悩まされている。 本稿では,災害対応のための大規模マルチモーダルデータセットの構築と自動検証を行う新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-07-30T14:23:01Z)
• Generalist Vision-Language Models for Fast Radio Burst detection: a zero-shot benchmark against a specialized detector [0.0]
  我々は、高速無線バースト(FRB)をゼロショット・プロンプトのみの条件下で検出できる小型でオープンウェイトなローカルなビジョン・ランゲージ・モデル(VLM)の有効性を評価する。 Gemma 4 2Bの精度は93.65%であり、SwinYNetと統計的に有意な差はない。 プロンプトのみを書き換えると、3000のスペクトルの完全なセットで3種類のFRB/RFI/ノイズ分類で同じモデルを再構成し、単一の偽のFRBを使わずに最大86%の精度で到達する。
  論文  参考訳（メタデータ） (2026-07-08T13:15:29Z)
• Prototype-Based Test-Time Adaptation of Vision-Language Models [58.28899599773308]
  PTA(Prototype-based Test-Time Adaptation) PTAは一連のクラス固有の知識プロトタイプを使用して、テストサンプルから知識を蓄積する。 PTAは最先端の性能を達成しつつ、極めて高い効率を達成する。
  論文  参考訳（メタデータ） (2026-04-23T07:20:56Z)
• Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
  本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。 Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
  論文  参考訳（メタデータ） (2026-02-12T18:58:12Z)
• How well are open sourced AI-generated image detection models out-of-the-box: A comprehensive benchmark study [5.740397289924559]
  普遍的な勝者は存在せず、検出器のランキングはかなり不安定である。 我々の発見は、全能検出器のパラダイムに挑戦した。
  論文  参考訳（メタデータ） (2026-02-08T04:36:13Z)
• Retrieval-Augmented Few-Shot Prompting Versus Fine-Tuning for Code Vulnerability Detection [0.8737375836744933]
  大規模な言語モデルの能力を活用するための微調整の実用的な代替手段として、ほとんどショットプロンプトが登場していない。 コード脆弱性検出における少数ショット性能向上戦略として,検索強化プロンプトについて検討する。
  論文  参考訳（メタデータ） (2025-11-28T12:19:31Z)
• Which Sparse Autoencoder Features Are Real? Model-X Knockoffs for False Discovery Rate Control [0.0]
  我々は, 偽発見率(FDR)を制御するために, knock-off+ を用いて, SAE特徴選択に Model-X ノックオフを導入する。 提案手法は,SAEと多重テスト認識推論を組み合わせることで,信頼性の高い特徴発見を実現するための,再現可能で原則化されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-11-12T17:12:45Z)
• FS-IQA: Certified Feature Smoothing for Robust Image Quality Assessment [4.135467749401761]
  本稿では,画像品質評価(IQA)モデルに対する新しい認証防御手法を提案する。 入力空間ではなく特徴空間に雑音を印加したランダムな平滑化に基づいている。 その結果,主観的品質スコアとの相関性は最大30.9%向上した。
  論文  参考訳（メタデータ） (2025-08-07T15:47:55Z)
• MixedNUTS: Training-Free Accuracy-Robustness Balance via Nonlinearly Mixed Classifiers [41.56951365163419]
  MixedNUTSは、ロバストな分類器の出力ロジットを3つのパラメータしか持たない非線形変換で処理する訓練不要の手法である。 MixedNUTSは変換されたロジットを確率に変換し、それらを全体の出力として混合する。 CIFAR-10、CIFAR-100、ImageNetデータセットでは、MixedNUTSの精度とほぼSOTAの堅牢性を大幅に改善した。
  論文  参考訳（メタデータ） (2024-02-03T21:12:36Z)
• Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
  機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。 本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-08T07:05:36Z)
• (Certified!!) Adversarial Robustness for Free! [116.6052628829344]
  逆方向の摂動が0.5の2ノルム以内であることに制約された場合,ImageNetでは71%の精度が証明された。 これらの結果は,モデルパラメータの微調整や再学習を必要とせず,事前学習した拡散モデルと画像分類器のみを用いて得られる。
  論文  参考訳（メタデータ） (2022-06-21T17:27:27Z)
• Delving into Probabilistic Uncertainty for Unsupervised Domain Adaptive Person Re-Identification [54.174146346387204]
  ドメイン適応型人物再識別のための確率的不確実性誘導プログレッシブラベル精錬(P$2$LR)という手法を提案する。 擬似ラベルの不確実性を測定し、ネットワークトレーニングを容易にする定量的基準を確立する。 本手法はDuke2Marketタスクではベースラインが6.5%,Market2MSMTタスクでは2.5%,最先端手法では2.5%を上回った。
  論文  参考訳（メタデータ） (2021-12-28T07:40:12Z)
• Neural Network Virtual Sensors for Fuel Injection Quantities with Provable Performance Specifications [71.1911136637719]
  証明可能な保証が、他の現実世界の設定にどのように自然に適用できるかを示す。 本研究では, 燃料噴射量を一定範囲で最大化するために, 特定の間隔の燃料噴射量を目標にする方法を示す。
  論文  参考訳（メタデータ） (2020-06-30T23:33:17Z)

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。