文献

J-GLOBAL ID：202102282077673926   整理番号：21A0673574

探索とキャッチ:サーチエンジンを通した地下における促進感染の検出【JST・京大機械翻訳】

Search & Catch: Detecting Promotion Infection in the Underground through Search Engines

著者 (4件)： Yang Ronghai (Sangfor Technologies Co., Ltd) ,  Liu Jia (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences) ,  Gu Liang (Sangfor Technologies Co., Ltd) ,  Chen Yurong (Beijing University of Posts and Telecommunications, School of Information and Communicating Engineering)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： TrustCom  ページ： 1566-1571  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： プロモーション感染は,不法な製品,例えば,オンライン地下経済の発展として,不法な製品,例えば, glingと免許されない薬物などを促進するために,Webページに不法なコンテンツを注入するために,WebページをWebページに注入する攻撃であり,そして,促進感染は,敵対によって広く利用される。法的監督を逃れるために,敵対は,感染するWebページへのアクセスを困難にし,大規模なコーパスの収集を困難にする,独創的な抗調節技術を利用した。小さなサイズのコーパスによって制限されて,促進感染を検出する際の文献の有効性はまだ証明されていない。この目的に向けて,著者らは,感染したWebページを自動的に収集する(半)新規で効率的なアプローチを提案する。著者らの洞察は,感染の目標は,主に検索エンジンを通して,地下ビジネスを促進することである。この観察を利用して,検索エンジン上の地下広告(即ち,ブラックキーワードのリスト)を問い合わせ,感染Webページをクローリングする検索エンジンドック技術を提案した。初期58の種子黒いキーワードを用いて,著者らは22,939の感染ページを2,563のドメインに集めて,自動的に8,374の新しい黒いキーワードを集めた。したがって,この大規模データセットは,正常なものから感染Webページを識別するための機械学習モデルの構築を可能にする。実験結果は,大規模で高品質なデータセットによるモデルが,高い検出率と低い誤警報率を提供できることを示した。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： 販売促進 ,  ドック ,  有効性 ,  機械学習 ,  コーパス ,  *検索エンジン ,  コンテンツ ,  Webページ
準シソーラス用語： 高品質 ,  オンライン ,  検出率 ,  誤警報率 ,  大規模データセット , 【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 (5件)： 探索 ,  サーチエンジン ,  地下 ,  促進 ,  感染