Jul, 2022

VeriDark: 暗网上的作者验证大规模基准

PDF
TL;DR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。
darkwebauthorship analysisveridarknlp baselinescybercrime prevention
发现论文，激发创造
  • 重新思考作者验证实验设置

    本文提出了五个新的公共分组来隔离和识别与文本主题和作者书写风格相关的偏差，并使用可解释的 AI 发现这些基线模型存在命名实体偏差，进而得出释放命名实体的模型在作者验证中更好的结果和更好的泛化能力，这对与 PAN 大规模作者验证数据集有重要意义。

    Dec, 2021

  • 深网和暗网上的活动特征化

    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。

    Mar, 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

  • 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

  • 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

  • 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

  • 社交媒体中的作者身份验证相似性学习

    提出了一种新的神经网络拓扑结构用于类似社交媒体这类挑战性数据集上，有效地提高了作者验证任务的性能。

    Aug, 2019

  • VendorLink: 一种用于在暗网市场上识别和关联供应商移民及潜在别名的自然语言处理方法

    提供了一种基于 NLP 的方法 VendorLink，通过模式识别可以在 Darknet 找到并验证多个供应商帐户，帮助执法机构更好地识别潜在的非法市场和供应商。

    May, 2023

  • 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

  • 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