論文の概要: Principled Detection of Coordinated Manipulation from Aggregate Distortion and Account Reuse

• arxiv url: http://arxiv.org/abs/2609.13407v1
• Date: Fri, 11 Sep 2026 18:16:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-18 06:42:33.84121
• Title: Principled Detection of Coordinated Manipulation from Aggregate Distortion and Account Reuse
• Title（参考訳）: アグリゲート歪みとアカウント再利用によるコーディネートマニピュレーションの原理的検出
• Abstract要約: 調整可能なアカウントは、評価、ランキング、エンゲージメントを共同で歪めることができる。 我々は,文脈レベルの結果分布の歪みを主証拠として扱うアグリゲートファーストエビデンス層を導入する。 制御された回転実験とペアの対実的介入によるメカニズムを過去のAmazonレビューストリームで評価した。
• 参考スコア（独自算出の注目度）: 10.023638697449062
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coordinated manipulation is collective: plausible accounts can jointly distort ratings, rankings, and engagement. Existing defenses primarily construct evidence from identities, graphs, content, or co-activity. We introduce an aggregate-first evidence layer that treats distortion of a context-level outcome distribution as the primary evidence object. The engine observes only a histogram, count, resolution, and reference distribution; identities are withheld until interval evidence is fixed. Because raw discrepancies have positive finite-sample expectation, we subtract a matched null expectation to obtain signed evidence and account for reference uncertainty. Participation logs then accumulate these fixed increments across accounts. We characterize matched-exposure divergence, bound self-influence, establish finite-horizon separation, and derive an exact linear reuse law for paired contexts. We evaluate the mechanism with controlled rotation experiments and paired counterfactual interventions on historical Amazon review streams. Historical reviews provide the behavioral background; synthetic identities provide known coalition membership, and exact clean twins provide counterfactual controls. In a fixed-attack sweep against historical non-donor comparison accounts, reassigning the same manipulated events across identities with increasing reuse raises account-score ROC-AUC from 0.500 to 0.797. With activity- and exposure-matched clean twins, frequency is at chance while counterfactual attribution achieves ROC-AUC 0.744. Under a mean-preserving shape intervention, Wasserstein-1 and Jensen-Shannon evidence achieve ROC-AUC 0.909 and 0.967, while frequency and mean-based attribution remain at chance. Aggregate evidence complements repeated co-activity, improving mixed-mechanism ROC-AUC from 0.750 to 0.874 with a simple untrained combination.
• Abstract（参考訳）: 信頼できるアカウントは、評価、ランキング、エンゲージメントを共同で歪めることができる。 既存の防衛は、主にアイデンティティ、グラフ、コンテンツ、またはコアクティビティから証拠を構築する。 我々は,文脈レベルの結果分布の歪みを主証拠として扱うアグリゲートファーストエビデンス層を導入する。 エンジンはヒストグラム、カウント、解像度、参照分布のみを観測し、インターバルエビデンスが固定されるまでアイデンティティは保持されない。 生の相違は正の有限サンプル期待を持つので、一致したヌル期待を減じて符号付き証拠を取得し、参照の不確実性を説明する。 参加ログはアカウント間で固定的なインクリメントを蓄積する。 我々は、一致した露光の発散、有界な自己影響、有限水平分離の確立、ペア化された文脈に対する正確な線形再利用法則の導出を特徴付ける。 制御された回転実験とペアの対実的介入によるメカニズムを過去のAmazonレビューストリームで評価した。 歴史的レビューは行動の背景を提供し、合成アイデンティティは既知の連帯メンバーシップを提供し、正確な清潔な双子は反現実的なコントロールを提供する。 歴史的非ドナー比較アカウントに対する固定攻撃で、再利用の増加に伴い同一の操作されたイベントを再割り当てすると、会計スコアのOC-AUCは0.500から0.797に上昇する。 活性と露光にマッチしたクリーン双生児の場合、周波数は偶然であり、対物的帰属はROC-AUC 0.744に達する。 平均保存形状の介入の下で、ワッサースタイン-1とイェンセン=シャノンの証拠はROC-AUC 0.909と0.967を達成し、周波数と平均に基づく帰属は偶然に残る。 アグリゲート証拠は繰り返しのコアクティビティを補完し、単純な未訓練の組み合わせで混合力学のROC-AUCを 0.750 から 0.874 に改善する。

関連論文リスト

• Localizing Global Discrepancies: Marginal Contributions and Contextual Anomaly Detection [0.9688708385192246]
  グローバル・グッド・オブ・フィットと不一致の統計は、サンプルが基準分布から出発し、どの観測結果が出発を駆動するかを特定することなく決定することができる。 本研究では, ランダムな統計的文脈にまたがる条件あるいは限界的な寄与を各観測者に割り当てることにより, この局所化問題の枠組みを構築する。 共有ラテント玩具モデルにおいて、コンテキストがイベント自身の機能以外の情報を含むかどうかを問う。
  論文  参考訳（メタデータ） (2026-08-28T14:27:33Z)
• Local verification cannot detect non-transportability: a cohomological theory of context preservation in agentic reasoning [0.0]
  エージェントAIシステムは、生物学的、臨床的、財務的な文脈で定期的に結論を伝達する。 局所的検証の新たなセーフガードは構造的に不完全であることを示す。 不均一な精度で歪みを定量化し、正確性を復元する精密な白紙形状を提供する。
  論文  参考訳（メタデータ） (2026-08-04T21:09:50Z)
• TwistedMerge: Certified Higher-Order Diagnostics and Abstention for Model Merging [0.48086260459837454]
  我々は、チェックポイントが局所対象、アライメントマップが遷移、サイクル積が残留する有限降下問題としてマージを定式化する。 提案手法は, 定数エッジのNo-go結果, フリーズ・コンプレックスの3方向およびプレファミリーの誤差制御定理, 比較・複雑感度の精査試験である。 訓練された低ランク適応型監査では, 平均化係数は選択したGLr代表に依存するが, 大域的因子同期と高密度デルタSVDは安定である。
  論文  参考訳（メタデータ） (2026-07-23T03:24:50Z)
• Resist and Update: Counterfactual Report Coordinates for Incentive-Compatible LLMs [4.721990925113432]
  修飾言語モデルは、非証拠的な圧力下で定期的に誤レポートされる。 我々は2つの要求を調査し、抵抗(不当な圧力)と更新(認可された証拠をフォロー)する。 低ランクレポートのコーディネートを慎重にローカライズして,回答,信頼,注意を喚起する。
  論文  参考訳（メタデータ） (2026-07-14T17:28:25Z)
• From Geometric Recovery to Causal Validation: A Reproducible Audit of Sparse Autoencoder Features, from Superposition Geometry to Causal Inertness [0.0]
  スパースオートエンコーダ(SAE)は、重畳された神経表現を解釈可能な特徴に分解する標準である。 これはデコーダ・ジオメトリーアライメントとエンコーダ・アクティベーションの2つの異なるクレームを示す。 本手法は,決定論的パイプラインを持つモデル非依存の楽器であるsae-causal-auditとしてパッケージ化する。
  論文  参考訳（メタデータ） (2026-07-13T21:18:52Z)
• FACT-E: Causality-Inspired Evaluation for Trustworthy Chain-of-Thought Reasoning [49.65751420291115]
  CoT(Chain-of-Thought)プロンプトはLSM推論を改善したが、モデルはしばしば不誠実な中間ステップを含むコヒーレントな説明を生成する。 我々は、CoTの品質を評価するための因果性に着想を得たフレームワークであるFACT-Eを提案する。 FACT-Eは推論・軌道選択を改善し、文脈内学習を強くすることを示す。
  論文  参考訳（メタデータ） (2026-04-12T15:35:08Z)
• BURN: Backdoor Unlearning via Adversarial Boundary Analysis [73.14147934175604]
  Backdoor Unlearningは、モデル本来の機能を保持しながら、バックドア関連の情報を削除することを目的としている。 本稿では, 偽相関疎結合, プログレッシブデータリファインメント, モデル浄化を統合した新しい防御フレームワーク, BURNによるバックドア・アンラーニングを提案する。
  論文  参考訳（メタデータ） (2025-07-14T17:13:06Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• REBAR: Retrieval-Based Reconstruction for Time-series Contrastive Learning [64.08293076551601]
  正の対を識別する学習尺度を新たに提案する。 検索ベースレコンストラクションは2つのシーケンス間の類似度を測定する。 本稿では,REBAR誤差が相互クラスメンバシップの予測因子であることを示す。
  論文  参考訳（メタデータ） (2023-11-01T13:44:45Z)
• Latent Feature Relation Consistency for Adversarial Robustness [80.24334635105829]
  深層ニューラルネットワークは、人間の知覚できない敵のノイズを自然の例に付加する敵の例を予測するときに、誤分類が起こる。 textbfLatent textbfFeature textbfRelation textbfConsistency (textbfLFRC)を提案する。 LFRCは、潜在空間における逆例の関係を、自然例と整合性に制約する。
  論文  参考訳（メタデータ） (2023-03-29T13:50:01Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)

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。