文献

J-GLOBAL ID：202102236130584248   整理番号：21A1145199

CANON:敵対的活動をモデル化するためのネットワークの複雑な解析学【JST・京大機械翻訳】

CANON: Complex Analytics of Network of Networks for Modeling Adversarial Activities

著者 (13件)： Roach Shane (HRL Laboratories, LLC) ,  Ni Connie (HRL Laboratories, LLC) ,  Kopylov Alexei (HRL Laboratories, LLC) ,  Lu Tsai-Ching (HRL Laboratories, LLC) ,  Xu Jiejun (HRL Laboratories, LLC) ,  Zhang Si (University of Illinois,Urbana-Champaign) ,  Du Boxin (University of Illinois,Urbana-Champaign) ,  Zhou Dawei (University of Illinois,Urbana-Champaign) ,  Wu Jun (University of Illinois,Urbana-Champaign) ,  Liu Lihui (University of Illinois,Urbana-Champaign) ,  Yan Yuchen (University of Illinois,Urbana-Champaign) ,  He Jingrui (University of Illinois,Urbana-Champaign) ,  Tong Hanghang (University of Illinois,Urbana-Champaign)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： Big Data  ページ： 1634-1643  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ネットワークは,スムグルリング,人間トラフィック,および不法な腕処理のような敵対的活動のモデリングにおける自然表現である。しかし,そのような活動は,しばしば,複数のドメインとソースを通してカバーされ,埋め込まれている。それらは,一般に,分離ネットワークの観点からは検出不可能で認識可能であり,複数のネットワークが統一されたmアナーで分析される場合にのみ明らかになる。次に,大規模,マルチソースデータ入力から敵対的活動をモデル化するための数学的および計算的フレームワークであるネットワーク(CANON)の複雑な解析を提案した。このフレームワークの中心はネットワークモデルであり,ノードとエッジは異なるドメインと多重解像度で定義できる。このモデルに基づいて,著者らは,最適化ベースのネットワークアラインメント,ネットワーク埋込みと調整,近似部分グラフマッチング,および調査的部分グラフ発見を含む4つの技術的要素による広告活動のモデリングにおける重要課題に取り組んだ。本論文では,モジュールマイクロサービスアーキテクチャを用いて,これらのコンポーネントを統一システムに統合するだけでなく,個々のコンポーネントの設計と実装について述べた。DARPAモデリングAdversarial Activity(MAA)プログラムの下で提案システムの有効性を実証するために,合成および実世界データセットの両者において広範な実験を行った。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アラインメント ,  最適化 ,  広告 ,  *ネットワーク ,  解析学 ,  近似法 ,  部分グラフ ,  有効性 ,  計算機アーキテクチャ
準シソーラス用語： 多重解像度 ,  グラフマッチング ,  ネットワークモデル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 敵対 ,  活動 ,  モデル化 ,  解析学