Recent Advancements in Machine Learning For Cybercrime Prediction

要約

サイバー犯罪は世界中の組織や個人に対する脅威となっており、犯罪者は高度な技術を使用してセキュリティ システムに侵入し、機密データを盗みます。
このペーパーは、関連する研究に焦点を当て、サイバー犯罪予測の最新の進歩を包括的に調査することを目的としています。
この目的のために、私たちは 150 以上の研究論文をレビューし、最新かつ適切な 50 の論文について議論しました。
私たちは、サイバー犯罪者が使用するいくつかの標準的な手法からレビューを開始し、次に、異常な動作を検出し、潜在的な脅威を特定する最新の機械および深層学習技術に焦点を当てます。
また、ある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する転移学習についても説明します。
次に、サイバー犯罪予測の初期段階のアルゴリズム研究の一環として、アクティブ学習と強化学習に焦点を当てます。
最後に、サイバー犯罪予測における重要なイノベーション、研究のギャップ、将来の研究の機会について説明します。
このペーパーでは、最先端の開発と公開されているデータセットの全体像を示します。

要約(オリジナル)

Cybercrime is a growing threat to organizations and individuals worldwide, with criminals using sophisticated techniques to breach security systems and steal sensitive data. This paper aims to comprehensively survey the latest advancements in cybercrime prediction, highlighting the relevant research. For this purpose, we reviewed more than 150 research articles and discussed 50 most recent and appropriate ones. We start the review with some standard methods cybercriminals use and then focus on the latest machine and deep learning techniques, which detect anomalous behavior and identify potential threats. We also discuss transfer learning, which allows models trained on one dataset to be adapted for use on another dataset. We 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. This paper presents a holistic view of cutting-edge developments and publicly available datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google