Advances in Cybercrime Prediction: A Survey of Machine, Deep, Transfer, and Adaptive Learning Techniques

要約

タイトル：マシン、ディープ、転移、適応学習技術によるサイバー犯罪予測における進歩：調査研究

要約：
– サイバー犯罪は、世界中の組織や個人に対する増加する脅威であり、犯罪者はセキュリティシステムを侵害し、機密データを盗むためにますます洗練された技術を使用している。
– 近年、機械学習、ディープラーニング、転移学習技術が、サイバー犯罪を予測し、予防する有望なツールとして登場している。
– この論文は、これらの技術を使用した最新のサイバー犯罪予測の包括的な調査を提供し、各アプローチに関連する最新の研究を強調することを目的としている。
– このため、150以上の研究論文をレビューし、最近の50以上の関連研究論文を議論した。
– 著者らは、一般的にサイバー犯罪者によって使用される一部の共通の方法について説明した後、異常な行動を検出し、潜在的な脅威を特定するのに効果的な再帰型ニューラルネットワークや畳み込みニューラルネットワークなど、最新の機械学習技術、ディープラーニング技術に焦点を当てた。
– また、転移学習についても説明し、1つのデータセットでトレーニングされたモデルを別のデータセットで使用できるように適応できる方法について説明した。
– 最後に、アルゴリズムの研究の早期段階としてのアクティブ学習や強化学習に注目し、サイバー犯罪予測における重要な革新、研究の欠落、将来の研究機会について議論した。
– 全体的に、この論文は、各方法の強みと限界を明らかにし、研究者や実践者が効率的なサイバー犯罪予測システムを開発するために必要な洞察、公開可能なデータセット、リソースを提供する、最先端のサイバー犯罪予測の包括的な見解を提示している。

要約(オリジナル)

Cybercrime is a growing threat to organizations and individuals worldwide, with criminals using increasingly sophisticated techniques to breach security systems and steal sensitive data. In recent years, machine learning, deep learning, and transfer learning techniques have emerged as promising tools for predicting cybercrime and preventing it before it occurs. This paper aims to provide a comprehensive survey of the latest advancements in cybercrime prediction using above mentioned techniques, highlighting the latest research related to each approach. For this purpose, we reviewed more than 150 research articles and discussed around 50 most recent and relevant research articles. We start the review by discussing some common methods used by cyber criminals and then focus on the latest machine learning techniques and deep learning techniques, such as recurrent and convolutional neural networks, which were effective in detecting anomalous behavior and identifying potential threats. We also discuss transfer learning, which allows models trained on one dataset to be adapted for use on another dataset, and then focus on active and reinforcement Learning as part of early-stage algorithmic research in cybercrime prediction. Finally, we discuss critical innovations, research gaps, and future research opportunities in Cybercrime prediction. Overall, this paper presents a holistic view of cutting-edge developments in cybercrime prediction, shedding light on the strengths and limitations of each method and equipping researchers and practitioners with essential insights, publicly available datasets, and resources necessary to develop efficient cybercrime prediction systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI