FRAUDAR: Bounding Graph Fraud in the Face of Camouflage
-
Bryan Hooi, Hyun Ah Song, Alex Beutel, Neil Shah, Kijung Shin, Christos Faloutsos
-
KDD 2016
概要
-
ベストペーパー
-
イカサマな関係を検出
-
Amazonのサクラレビュー
-
Twitterのフォロワーを買って強そうに見せる
-
貢献
-
疑わしさの評価関数
-
評価関数のほぼ線形時間の1/2-近似アルゴリズム
定式化
-
モデル: ユーザ-オブジェクトの二部グラフ
-
怪しい連中は集まる。
-
しかし、普通の連中にも繋がりカモフラージュする。
-
camouflage-resistant := サクラが無関係(普通の連中への)辺を追加しても変わらない
-
提案疑わしさ指標
-
重み付き辺密度
-
辺uvの重み = 1/log(入次数(v)+定数)
-
入次数(v)が超デカイ: そもそも大人気
-
log: 逆数は極端らしい
-
最密部分グラフとってきまーす!
実験
-
人工
-
2000+2000頂点に200+200のサクラ+不正商品追加
-
サクラ一割って多すぎじゃね?
-
実データ
まとめ
-
手法は物凄く単純
-
実際に効果があったのが良いのかな
KDD 不正検知 密部分グラフ
2016/12/01
最終更新:2016年12月04日 01:14