機械学習でSNSの偽アカウント検出、リンク予測と異常検知を融合した新アルゴリズム
ワシントン大学とネゲヴ・ベン・グリオン大学の研究者たちが、SNS上の偽ユーザーを特定する新しい教師なし学習アルゴリズムを開発しました。偽ユーザーは他ユーザーへの不適切なリンクを作りがちという仮定に基づき、リンク予測手法を異常検知モデルに組み込み、グラフ事前知識不要で異常頂点を検出します。
2段階の機械学習反復
- 2ユーザー間のリンク確率を推定するリンク予測分類器を作成
- リンク予測分類器が生成した特徴に基づく新メタ特徴セットを作成
異常検知に有効な7つの新特徴を提案し、Wekaの情報利得属性選択で重要度を評価。10種類の実世界・シミュレーションネットワーク（Flixster、DBLP、Yelp、Academia.edu、ArXiv、Twitter等）で広範囲に実験評価を行いました。
実ネットワークで実在・悪意ユーザー両方を検出
Twitterを含む実ネットワークで、実在ユーザーと悪意ユーザーの両方を検出可能。既存異常検知手法を上回る性能を示し、サイバーセキュリティ分野など多数応用の潜在力があります。重み付きグラフや二部グラフなど他ネットワークタイプへの検証、ランダムエッジ・頂点追加時のネットワーク特性変化研究、ハイジャックアカウント検出への展開、シビル攻撃スケールの限界探求など今後の展開も計画中。コードとデータ（ラベル付き偽ID含む実世界データセット）をオープン公開しています。
産業技術
- CNC加工公差をマスターする：精度、コスト、設計ガイドライン
- 製造業のオーディエンス ターゲティングを研ぎ澄ます3つの実証済み方法
- 自作LEDドライバーの作り方：メリット、安全性、ステップバイステップガイド
- バンドストップフィルタの設計、ツインT実装、ノッチ周波数解析
- CNC加工 vs 3Dプリント：あなたのプロジェクトに適した製造方法は？
- 成功するPCB設計とレイアウトのための6つの必須ヒント
- 実証済みCMMSベストプラクティスでメンテナンス戦略をモダナイズ
- 製造業の効率を高める無料iPadアプリ厳選4選
- プリント基板が現代車両を支える仕組み
- 高性能生産を実現する5軸マシニングセンタの8大メリット
- エコ意識の高いサプライヤー選定：グリーンウォッシングを回避する実践ガイド