هوش مصنوعی
ID2Pattern الگوهای رفتاری هویت را برای مدل‌های ریسک تراکنش پیش‌آموزش می‌دهد
پیش‌چاپی در arXiv چارچوبی پیشنهاد می‌کند که به‌جای تکیه بر شناسه‌های کارت، دستگاه و حساب، الگوهای رفتاری آن‌ها را در توالی تراکنش‌ها رمزگذاری کند.
پژوهشگران در پیش‌چاپی با عنوان «ID2Pattern» چارچوبی برای پیش‌آموزش مدل‌های بنیادینِ ارزیابی ریسک تراکنش معرفی کرده‌اند. ایدهٔ اصلی این است که اطلاعات تعمیم‌پذیر شناسه‌هایی مانند کارت، دستگاه و حساب نه در مقدار مشخص هر شناسه، بلکه در الگوی رفتاری آن در طول توالی تراکنش‌ها نهفته است.
به‌گفتهٔ چکیده، این شناسه‌ها با وجود سیگنال‌های رفتاری غنی، به‌دلیل افزایش پیوستهٔ واژگان و معنای معنایی محدود، برای روش‌های کدگذاری مبتنی بر واژگان یا معنا مناسب نیستند. ID2Pattern ابتدا فیلدهای هویتی را با توکنی به نام Local Anonymous ID (LAID) رمزگذاری می‌کند. چکیدهٔ در دسترس جزئیات بیشتری از سازوکار یا نتایج ارزیابی چارچوب ارائه نمی‌دهد.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده