基于地理加权学习的网络犯罪预测
机器学习
2024-11-08 v1
摘要
受地理加权回归成功处理空间变异的启发，我们提出了 GeogGNN——一种考虑地理纬度和经度坐标的图神经网络模型。使用合成生成的数据集，我们将该算法应用于网络安全中的4类分类问题，数据集中心位于海湾合作理事会（GCC）地区。我们展示了该模型在准确率上优于将坐标作为特征输入的标准神经网络和卷积神经网络。鼓舞于 GeogGNN 模型加速模型准确率的效果，我们进一步提供了一个一般性数学结果，表明几何加权神经网络在利用空间连续性和局部平均特征对空间相关数据进行分类时，原则上始终具有更高的准确率。
引用
@article{arxiv.2411.04635,
title = {Cybercrime Prediction via Geographically Weighted Learning},
author = {Muhammad Al-Zafar Khan and Jamal Al-Karaki and Emad Mahafzah},
journal= {arXiv preprint arXiv:2411.04635},
year = {2024}
}
备注
17 pages, 8 figures, Submitted to the International Jordanian Cybersecurity Conference 2024 (IJCC24)