VLA2026/10/6arXiv:2610.09141

認知バイアスを考慮した量子機械学習と強化学習による親和性・ロマンス投資詐欺検出フレームワーク

A Cognitive-Aware QML-CRL Framework for Detecting Affinity and Romance-Investment Fraud

会話中の認知バイアスを量子回路でモデル化し、強化学習エージェントが最適停止問題として詐欺会話を検出するハイブリッド手法を提案。

詳しい要約

1. どんなもの？

- 親和性詐欺とロマンス投資詐欺を検出するためのハイブリッド量子古典フレームワーク。 - 会話中の認知バイアスをモデル化し、操作的な会話を検出する。 - 専用のqubitで認知バイアスを表現し、frame qubitで時間的順序、narrative qubitで共起を集約。 - 古典強化学習エージェントと回路パラメータを共同訓練し、会話をターンごとにフラグするか判断。 - 最適停止問題としてモデル化。

2. 先行研究と比べてどこがすごい？

- 先行研究と比べての優位性は要旨からは不明。 - 量子古典ハイブリッドアプローチと認知バイアスを組み合わせた点が新しい可能性。 - 従来の詐欺検出との比較は記述されていない。

3. 技術・手法の肝は？

- 構造化パラメータ化量子回路を使用。 - 認知バイアスを専用qubitで表現。 - frame qubitで操作的なリフレーミングの時間的順序に敏感なエンコーディング。 - narrative qubitで訓練可能なエンタングルメント層を介して共起を集約。 - 回路パラメータを古典強化学習エージェントと共同訓練。 - エージェントは会話をターンごとにフラグするか判断（最適停止問題）。

4. どうやって有効だと検証した？

- 合成会話データセットで評価。 - ハードネガティブ、合法的だが緊急な会話、合法的だが押しの強い販売会話を含む。 - 性能評価の詳細は要旨からは不明。

5. 議論はある？

- 議論や限界については要旨からは不明。 - 合成データのみでの評価であり、実世界データへの適用可能性は不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は無い。 - 同分野の定番として、詐欺検出における強化学習や量子機械学習の関連論文が考えられるが、具体的な論文名は要旨からは不明。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Bibhas Adhikari, Ramya Srinivasan

分類: cs.LG, quant-ph

原文アブストラクト

We present a hybrid quantum-classical framework that detects affinity and romance-investment fraud by modelling the cognitive biases in a manipulative conversation. In our proposed framework, cognitive biases central to this fraud class are carried by dedicated qubits in a structured parameterized quantum circuit, together with a frame qubit makes the encoding sensitive to the temporal order of manipulative reframing, and a narrative qubit that aggregates co-occurrence through a trainable entanglement layer. The circuit parameters are trained jointly with a classical reinforcement-learning agent that decides, turn by turn, whether to flag the conversation, modeled as an optimal stopping problem. We evaluate the model's performance on synthetic conversations that include hard negatives, legitimate but urgent, and legitimate but pushy sales conversations.

arXivで原文を読む →arXiv概要ページ