面向合成表格数据野外检测的 Datum-wise Transformer
机器学习
2025-04-15 v1 人工智能
数据库
神经与进化计算
摘要
生成模型的不断增强_power_ 对已发布内容的真实性提出了重大担忧。为此,已提出针对图像或文本等均匀结构媒体的多个合成内容检测方法。然而,尽管其在产业和政府部门的重要性,针对合成表格数据的检测工作仍寥寥。由于表格结构的多样性:表格中列的数量和类型可能因表格而异,这种数据形式难以处理。我们解决了在模型部署于从未看到的表格结构时的合成表格数据 ''野外'' 检测的棘手问题。我们引入一种 novel datum-wise transformer 架构,并展示它超越了现有模型。此外,我们调查了应用 domain adaptation 技术以增强模型效果的可能性,从而提供更稳健的数据伪造检测解决方案。
引用
@article{arxiv.2504.08829,
title = {Datum-wise Transformer for Synthetic Tabular Data Detection in the Wild},
author = {G. Charbel N. Kindji and Elisa Fromont and Lina Maria Rojas-Barahona and Tanguy Urvoy},
journal= {arXiv preprint arXiv:2504.08829},
year = {2025}
}