arXiv · 10.07.2026 ·Данные и инжиниринг

TSAI-MetaFraud: новый датасет для борьбы с мошенничеством в метавселенных

Исследователи представили TSAI-MetaFraud — комплексный бенчмарк для обучения моделей обнаружения финансовых махинаций и подозрительного поведения в виртуальных экономиках. Набор данных объединяет транзакционную активность и поведенческие паттерны пользователей, что позволяет создавать более точные системы безопасности для метавселенных, где традиционные методы защиты часто оказываются неэффективными против ботов и сложных схем обмана.

Развитие платформ метавселенных Meta (признана экстремистской организацией, деятельность запрещена в РФ) и других игроков создает уникальные риски, связанные с анонимностью и высокой скоростью транзакций. Существующие инструменты анализа данных часто рассматривают финансовые операции и действия пользователей отдельно друг от друга. Новый датасет устраняет этот разрыв, предоставляя мультимодальную базу для тестирования алгоритмов машинного обучения в условиях реальных виртуальных экосистем.

Использование TSAI-MetaFraud помогает разработчикам систем безопасности лучше идентифицировать аномалии, характерные для цифровых сред, включая манипуляции с активами и нелегитимную активность ботов. Это решение способствует стандартизации подходов к оценке надежности аналитических систем в виртуальных мирах, обеспечивая более прозрачную среду для пользователей и бизнеса.

Ключевые факты

TSAI-MetaFraud объединяет данные о финансовых транзакциях и поведенческие метрики пользователей в единый мультимодальный набор.
Датасет предназначен для обучения моделей обнаружения мошенничества, бот-активности и незаконных финансовых операций в метавселенных.
Бенчмарк направлен на решение проблемы фрагментарности существующих данных, которые ранее анализировали финансовые и поведенческие аспекты изолированно.
Инструмент позволяет проводить воспроизводимую оценку алгоритмов безопасности, что критически важно для развития доверенной аналитики в виртуальных экономиках.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

Hacker News · Исследования и наука Выпущен датасет Cybersecurity AI (CAI) для обучения моделей в сфере кибербезопасности Исследователи представили Cybersecurity AI (CAI) — специализированный набор данных, предназначенный для обучения и оценки языковых моделей в задачах кибербезопасности. Датасет включает структурированные примеры угроз, уязвимостей и сценариев защиты, что позволяет разработчикам точнее настраивать ИИ для автоматизированного анализа кода, обнаружения аномалий и реагирования на инциденты в реальных инфраструктурах. arXiv · Машинное обучение BetXplain: датасет для выявления манипулятивной рекламы ставок в соцсетях Исследователи представили BetXplain — специализированный датасет с аннотациями для обучения моделей автоматическому обнаружению манипулятивной рекламы букмекерских контор. Набор данных содержит примеры контента, использующего психологические триггеры для вовлечения пользователей в рискованные ставки, что позволяет ИИ-системам эффективнее модерировать рекламные потоки в социальных сетях и защищать аудиторию от деструктивного влияния. arXiv · Оценка и бенчмарки MetaSyn: новый датасет для тестирования ИИ-агентов на мета-анализах Исследователи представили новый датасет MetaSyn, предназначенный для оценки способностей ИИ-агентов проводить мета-анализ — сложный процесс синтеза данных, включающий поиск литературы, отбор исследований и статистический анализ. Этот процесс требует системного и проверяемого подхода, что делает его идеальным для тестирования научного мышления агентов. arXiv · Машинное обучение Новый метод обучения для выявления мошенничества в графовых структурах Исследователи представили метод Diffusion-Guided Learning, решающий проблему нехватки размеченных данных при поиске мошеннических транзакций. Подход использует диффузионные модели для генерации синтетических признаков, что позволяет эффективно обучать классификаторы даже при сильном дисбалансе классов и разреженности графов, значительно повышая точность обнаружения аномалий в крупных финансовых системах. arXiv · Безопасность и алайнмент Метод AIMS: повышение точности классификации безопасности LLM через анализ намерений Исследователи представили подход AIMS, который повышает эффективность классификации безопасности LLM за счет явного моделирования намерений пользователя. Внедрение описания намерений в процесс обучения позволяет моделям точнее различать вредоносные запросы и безопасные взаимодействия. Новый датасет из 1724 сложных примеров помогает оценивать работу систем безопасности в различных режимах обучения, включая SFT и обучение с подкреплением на основе предпочтений. arXiv · Машинное обучение Новый датасет CATCH-ME для борьбы с ненавистью и дезинформацией в ИИ Исследователи представили датасет CATCH-ME (Contextually Annotated multi-Turn Counterspeech), предназначенный для улучшения навыков языковых моделей в противодействии враждебным высказываниям и дезинформации. Проблема текущих систем заключается в том, что при работе в режиме zero-shot модели часто выдают шаблонные, расплывчатые или повторяющиеся ответы, которые неэффективны в реальных диалогах. Новый набор данных сфокусирован на многоходовых контекстных ответах, что позволяет лучше обучать ИИ-агентов вести аргументированную дискуссию. arXiv · Оценка и бенчмарки FootsiesGym: новый бенчмарк для обучения агентов в файтингах Исследователи представили FootsiesGym — открытую среду для обучения ИИ-агентов в условиях игры с неполной информацией и нулевой суммой. Проект базируется на 2D-файтинге Footsies и фокусируется на анализе циклических стратегических взаимодействий. Векторизованный симулятор обеспечивает высокую пропускную способность, позволяя эффективно тестировать алгоритмы обучения с подкреплением в динамичных игровых сценариях, где важна реакция и предсказание действий оппонента. arXiv · Машинное обучение Выпущен RMISC: масштабный датасет для обучения моделей временных рядов Исследователи представили RMISC — крупномасштабный корпус реальных многомерных данных, предназначенный для обучения фундаментальных моделей временных рядов (TSFM). В отличие от существующих решений, опирающихся на синтетические данные, этот набор данных лучше отражает сложные временные зависимости и корреляции между переменными, что критически важно для повышения точности zero-shot прогнозирования в реальных бизнес-задачах и аналитических системах. arXiv · Машинное обучение Новый датасет для обнаружения кибератак с метками ATT&CK Исследователи представили новый датасет для обнаружения многоэтапных кибератак, который включает логи систем, сетей и браузеров. Существующие публичные датасеты, такие как CICIDS и UNSW-NB15, охватывают только сетевую активность, в то время как другие, например LMDG, фокусируются на хост-активности. Hacker News · Инфраструктура для агентов Trace: система защиты от фрода для автономных ИИ-агентов Сервис Trace представил решение для обеспечения безопасности транзакций, совершаемых автономными ИИ-агентами. Система работает по принципу антифрод-инструментов для классического e-commerce, анализируя поведение агентов в реальном времени. В ходе пилотного тестирования внедрение платформы позволило снизить уровень мошеннических действий типа Sybil (создание множественных фиктивных аккаунтов) на 86%.

← Все материалы