URM4DMU：面向暗网市场用户的用户表示模型
机器学习
2023-03-21 v1 人工智能
摘要
由于暗网市场的匿名性，它们为交易非法商品和服务提供了一个大型平台。基于用户在不同市场上的帖子学习每个用户的不变表示，可以轻松跨不同平台聚合用户信息，这有助于识别匿名用户。传统的用户表示方法主要依赖于对帖子的文本信息进行建模，无法捕捉帖子的时序内容和论坛互动。虽然最近的工作主要使用 CNN 对帖子的文本信息进行建模，但无法有效对在一个事件中长度频繁变化的帖子进行建模。为了解决上述问题，我们提出了一个名为 URM4DMU（暗网市场用户表示模型）的模型，该模型主要通过用自适应门机制增强卷积算子和自注意力来改进帖子表示。当结合帖子的时序内容和论坛互动时，其表现要好得多。我们在四个暗网市场上展示了 URM4DMU 的有效性。在 MRR 值和 Recall@10 上，相比 SOTA 方法分别平均提升了 22.5% 和 25.5%。
引用
@article{arxiv.2303.10674,
title = {URM4DMU: an user represention model for darknet markets users},
author = {Hongmeng Liu and Jiapeng Zhao and Yixuan Huo and Yuyan Wang and Chun Liao and Liyan Shen and Shiyao Cui and Jinqiao Shi},
journal= {arXiv preprint arXiv:2303.10674},
year = {2023}
}
备注
9pages