深网和暗网上的活动特征化

Mar, 2019

Characterizing Activity on the Deep and Dark Web

Nazgol Tavabi, Nathan Bartley, Andrés Abeliuk, Sandeep Soni, Emilio Ferrara...

TL;DR本文研究了 80 个 d2web 论坛上发布的信息，并使用 LDA 识别了讨论主题，使用非参数 HMM 模型跨论坛模拟了主题演变，并检查了动态模式，以识别类似模式的论坛，揭示了这个丰富多样的数据中隐藏的相似性和异常事件。

Abstract

The deep and darkweb (d2web) refers to limited access web sites that require registration, authentication, or more complex encryption protocols to access them. These web sites serve as hubs for a variety of illicit activities: to trade drugs, stolen user credentials, hacking tools, and

deep web illicit activities lda hmm anomalous events

发现论文，激发创造

使用深度学习进行暗网活动分类

本文介绍了如何利用深度学习技术，提出了一种可用于控制黑暗网络非法活动的搜索引擎，该系统能够检测和提取与黑暗网络中违法活动有关的图像。作者创建了一个名为 darkoob 的全面数据集，并在测试数据集上实现了 94% 的准确性，这项技术有望缓解非法活动带来的各种社会、经济和政治挑战，是联网和社区安全领域的重要技术进步。

May, 2023

可见暗网的结构与内容

本文分析了可通过 Tor 访问到的一组网站即 “暗网” 中的拓扑结构和内容。作者使用监督式机器学习的方法对内容进行分类，研究发现显示的暗网内容中大约有一半属于合法活动，而不合法内容主要分布在欺诈网站、销售假冒产品和毒品市场上。

Nov, 2018

暗网上合法和非法活动的语言

本研究通过将毒品相关网站作为测试案例，比较在深网和表面网络中合法和非法毒品销售文本的语言特征，发现它们在部分词性标注的分配和维基百科中命名实体的文本覆盖率方面存在明显差异。

May, 2019

深入探索暗网语言

本研究介绍了一个名为 CoDA 的数据集，该数据集包含了一万个文档，旨在帮助进行基于文本的暗网研究。通过利用 CoDA 数据集，本研究对暗网进行了全面的语言分析，比较了暗网与表层网络之间的差异，并评估了不同方法的暗网文本分类性能。最后，本研究还将 CoDA 与现有数据集进行比较，以评估它们在各种应用场景中的适应性。

Apr, 2022

VeriDark: 暗网上的作者验证大规模基准

本研究旨在构建一个针对网络犯罪的基准测试集 VeriDark，并对三个大规模数据集和一个用户行为数据集进行竞争性 NLP 基线评估及预测分析，以解决现有基于文学文本的作者识别方法无法适用于网络犯罪，且当前缺乏合适数据集和实验设计的问题。

Jul, 2022

追踪暗网论坛中的话语影响力

本文介绍了我们在 2021 AMoC 黑客马拉松中的任务，我们的主要贡献是通过语义和时间特征的联合可视化，通过新颖性、短暂性和共鸣等方面对暗网犯罪数据进行分析，了解暗网社区的整体话语影响。

Feb, 2022

暗网市场的集体动态

通过对 133 百万比特币交易数据的分析，揭示了当一个黑市关闭时，用户如何有序地从关闭的市场迁移到其他市场，以保证整个黑市生态系统的弹性，且这种用户迁移现象在所有市场关闭事件中普遍存在。

Nov, 2019

从地下黑客论坛推断关于漏洞利用的讨论主题

通过主题建模分析并发现地下黑客论坛中讨论的漏洞的关键主题，从而开发出一种基于机器学习的模型，能够自动检测和分类地下黑客论坛中与漏洞相关的讨论。

May, 2024

SYSML：带有结构和多任务学习的样式学习：对暗网论坛移民分析的影响

本研究利用基于样式的多任务学习方法来进行对用户活动的作者归属度量，进而在四个不同的暗网论坛上取得了比现存算法更好的效果。

Apr, 2021

深网上的真相发现问题：是否已解决？

研究了 Deep Web 中两个领域，即股票和航班的数据真实性，并应用最先进的数据融合方法分析了其强弱之处，提出了有前途的研究方向。

Mar, 2015