面向选举舞弊的新颖性检测：基于智能体仿真数据的案例研究

本文提出一种鲁棒的选举仿真模型，并独立开发选举异常检测算法以展示该仿真的效用。该仿真生成具有与现实世界选举相似属性与趋势的人造选举，同时让用户掌控并知晓选举所有重要组成部分。我们生成无舞弊的干净选举结果数据集以及具有不同程度舞弊的数据集。随后衡量该算法成功检测所存在舞弊水平的能力。该算法判定实际选举结果与来自民调及具有相似人口统计其他区域回归模型的预测结果之相似程度。我们使用 k-means 将选区划分为簇，以最大化簇间人口统计同质性。随后采用实现为一类支持向量机的新颖性检测算法，其中干净数据以民调预测与回归预测形式提供。回归预测由实际数据构建，使数据自我监督。我们展示了仿真技术与机器学习模型在识别舞弊区域上的有效性。