- 基于随机矩阵理论的复杂市场动态;
- LOBO:评估Twitter机器人分类器中的泛化缺陷;
- 分析CDR / IPDR数据以从加密的消息传递服务中发现人员网络;
- 计算求偶:通过大规模数据分析理解在线约会的演变;
基于随机矩阵理论的复杂市场动态
原文标题: Complex market dynamics in the light of random matrix theory
地址: http://arxiv.org/abs/1809.07100
作者: Hirdesh K. Pharasi, Kiran Sharma, Anirban Chakraborti, Thomas H. Seligman
摘要: 我们强调金融市场为复杂系统,简要概述了随机矩阵理论(RMT)的计算结果和应用。计算金融中经常遇到的问题是选择合适的时段,在该时段上计算经验互相关收益矩阵。长时段将平滑收益时间序列中的波动和非平稳性,而短时段导致收益时间序列中存在噪声波动并且相关矩阵变得高度奇异。解决该问题的有效方法是使用功率映射,将非线性扭曲应用于短时段相关矩阵。扭曲参数的值控制噪声抑制程度。扭曲还消除了零特征值的简并性。根据相关结构,可以找到特征值谱的有趣特性。我们模拟不同的相关Wishart矩阵,将结果与使用1985 - 2016年期间标准普尔500(美国)市场数据计算的经验收益矩阵进行比较。我们还简要回顾了RMT最近在金融股票市场中的两个应用:(i)确定“市场状态”和临界状态的长期前兆; (ii)灾难性不稳定性的特征(市场崩溃)。
LOBO:评估Twitter机器人分类器中的泛化缺陷
原文标题: LOBO -- Evaluation of Generalization Deficiencies in Twitter Bot Classifiers
地址: http://arxiv.org/abs/1809.09684
作者: Juan Echeverría, Emiliano De Cristofaro, Nicolas Kourtellis, Ilias Leontiadis, Gianluca Stringhini, Shi Zhou
摘要: 在线社会网络中的僵尸网络越来越多地经常影响讨论的常规流程,攻击普通用户及其帖子,用不相关或令人反感的内容发送垃圾邮件,甚至操纵邮件和帐户的流行度。研究人员和网络犯罪分子参与军备竞赛,并且不断开发旨在打败当前检测系统的新的和更新的僵尸网络,使这种检测系统过时。在本文中,我们激发了对Twitter机器人检测中广义评估的需求,并提出了一种方法来评估机器人分类器,方法是在看不见的机器人类上进行测试。我们证明这种方法在经验上是健壮的,使用不同大小和特征的bot类并达到类似的结果,并且认为在单个bot类或数据集上训练和测试的方法可能无法推广到新的bot类。我们在超过200,000个数据点上训练一个这样的分类器,并表明它达到了97%以上的准确度。用于训练和测试该分类器的数据包括文献中使用的一些最大和最多样的机器人集合。然后,我们使用我们的方法测试这个理论上合理的分类器,突出显示它不能很好地概括为看不见的机器人类。最后,我们讨论了我们的结果的含义,以及为什么某些bot类比其他类更容易和更快地检测的原因。
分析CDR / IPDR数据以从加密的消息传递服务中发现人员网络
原文标题: Analyzing CDR/IPDR data to find People Network from Encrypted Messaging Services
地址: http://arxiv.org/abs/1809.09747
作者: Adya Joshi, Ranjan Bose, Madan Oberoi
摘要: 维护用户个人详细信息的组织必须遵守数据保护法规,以确保其用户的数据保密且安全。一方面,云提供商正在实施自己的安全和隐私控制。另一方面,云安全联盟(CSA),国际标准组织(ISO),国家标准与技术研究院(NIST)等标准机构正在制定云安全的广泛标准。在本文中,我们提供了对正在开发的云安全标准以及它们与云提供商的安全控制进行比较的综合分析。我们的研究主要集中在有关资源流动,身份和访问管理,数据保护,事件响应以及审计和评估的政策上。本文将通过评估云提供商的安全控制和策略并帮助他们识别企业云安全策略,帮助消费者组织满足其合规性需求。
计算求偶:通过大规模数据分析理解在线约会的演变
原文标题: Computational Courtship: Understanding the Evolution of Online Dating through Large-scale Data Analysis
地址: http://arxiv.org/abs/1809.10032
作者: Rachel Dinh, Patrick Gildersleve, Taha Yasseri
摘要: 与十年相比,我们是否更容忍约会不同社会背景的人?在线约会的兴起是否加剧或缓解了现代求爱中的性别不平等?这些平台上最有吸引力的人一定是最成功的吗?在这项工作中,我们研究了过去十年中在线交友网站eHarmony的男性和女性用户的配偶偏好和沟通模式,以确定过去十年中态度和行为的变化。虽然其他研究调查了男性和女性用户之间用户行为的差异,但这项研究在纵向方法上是独一无二的。具体来说,我们分析eHarmony的用户数据,以确定男性和女性对潜在合作伙伴中某些特征的偏好以及这些偏好如何随时间变化的方式不同。第二行调查研究了物理吸引力在多大程度上决定了用户收到的信息的速度,以及这种关系在男女之间的差异。最后,我们探讨了男性和女性之间的在线约会实践是否随着时间的推移变得更加平等,或者偏见和不平等是否保持不变(或增加)。这项工作可能对转变性别规范和社会态度产生更广泛的影响,这反映在在线求爱仪式中。除了基于数据的研究外,我们还将结果与现有理论联系起来,这些理论涉及ICT在社会变革中的作用。随着在线搜索爱情变得越来越普遍,这些发现可能会揭示人们如何通过互联网建立有意义的关系。
声明:Arxiv文章摘要版权归论文原作者所有,由本人进行翻译整理,未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”(微信号netsci)和个人博客 https://www.complexly.me (提供RSS订阅)进行同步更新。