論文の概要: Behind the Mask: A Computational Study of Anonymous' Presence on Twitter

• arxiv url: http://arxiv.org/abs/2006.08273v1
• Date: Mon, 15 Jun 2020 10:26:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 05:12:44.902835
• Title: Behind the Mask: A Computational Study of Anonymous' Presence on Twitter
• Title（参考訳）: マスクの裏側:Twitter上の匿名性に関する計算的研究
• Authors: Keenan Jones, Jason R. C. Nurse, Shujun Li (University of Kent)
• Abstract要約: ハクティビストグループAnonymousは、公の場では珍しい存在だ。 他のサイバー犯罪組織とは異なり、AnonymousはTwitterというソーシャルメディアサイトで人気がある。 過去の小規模定性的研究で報告されたいくつかの重要な知見を再検討した。
• 参考スコア（独自算出の注目度）: 2.2559617939136505
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The hacktivist group Anonymous is unusual in its public-facing nature. Unlike other cybercriminal groups, which rely on secrecy and privacy for protection, Anonymous is prevalent on the social media site, Twitter. In this paper we re-examine some key findings reported in previous small-scale qualitative studies of the group using a large-scale computational analysis of Anonymous' presence on Twitter. We specifically refer to reports which reject the group's claims of leaderlessness, and indicate a fracturing of the group after the arrests of prominent members in 2011-2013. In our research, we present the first attempts to use machine learning to identify and analyse the presence of a network of over 20,000 Anonymous accounts spanning from 2008-2019 on the Twitter platform. In turn, this research utilises social network analysis (SNA) and centrality measures to examine the distribution of influence within this large network, identifying the presence of a small number of highly influential accounts. Moreover, we present the first study of tweets from some of the identified key influencer accounts and, through the use of topic modelling, demonstrate a similarity in overarching subjects of discussion between these prominent accounts. These findings provide robust, quantitative evidence to support the claims of smaller-scale, qualitative studies of the Anonymous collective.
• Abstract（参考訳）: hacktivist group anonymousは、その公的な性質では珍しい。 他のサイバー犯罪組織とは異なり、Anonymousはソーシャルメディアサイト、Twitterで広く使われている。 本稿では,Twitter上でのアノニマスの存在を大規模に解析し,グループに対する以前の小規模な質的研究で報告された重要な知見を再検討する。 本報告では,2011～2013年の著名なメンバーの逮捕後,グループによるリーダーレスの主張を拒否する報告について言及する。 本稿では,2008年から2019年にかけてtwitter上で2万以上の匿名アカウントのネットワークの存在を,機械学習を用いて識別し分析する試みについて紹介する。 そこで本研究では,sna(social network analysis)と中央集権的尺度を用いて,この大規模ネットワークにおける影響力分布を検証し,少数の影響力のあるアカウントの存在を同定する。 さらに,いくつかの重要なインフルエンサーアカウントからのつぶやきに関する最初の研究を行い,トピックモデリングを用いて,これらの著名アカウント間の議論の全体的話題における類似性を示す。 これらの発見は、匿名集団の小規模で定性的な研究の主張を支持する、堅牢で定量的な証拠を提供する。

関連論文リスト

• Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
  近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。 この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。 本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
  論文  参考訳（メタデータ） (2024-11-15T08:09:28Z)
• Uncovering Coordinated Cross-Platform Information Operations Threatening the Integrity of the 2024 U.S. Presidential Election Online Discussion [8.557128766155229]
  情報操作は民主的プロセスの完全性に重大な脅威をもたらす。 2024年のアメリカ合衆国大統領選挙を期待して、調整されたIOのデジタルトレースを$mathbbX$(元Twitter)で発見することを目的とした研究を発表した。 オンラインコーディネーションを検出するための機械学習フレームワークを用いて,2024年5月からの選挙関連会話を含むデータセットをmathbbX$で分析した。
  論文  参考訳（メタデータ） (2024-09-23T17:36:14Z)
• Unsupervised detection of coordinated fake-follower campaigns on social media [1.3035246321276739]
  本稿では,悪意のあるアカウントの特定のカテゴリを対象とする教師なし検出手法を提案する。 当社のフレームワークは,ソーシャルメディアアカウントの全フォロワーのうち,異常なパターンを識別する。 検出された異常なフォロワー群は複数のアカウントで一貫した行動を示す。
  論文  参考訳（メタデータ） (2023-10-31T12:30:29Z)
• Detecting fake accounts through Generative Adversarial Network in online social media [0.0]
  本稿では,ユーザ類似度尺度とGANアルゴリズムを用いて,Twitterデータセット内の偽ユーザアカウントを識別する手法を提案する。 問題の複雑さにもかかわらず、この方法は偽アカウントの分類と検出において80%のAUCレートを達成する。
  論文  参考訳（メタデータ） (2022-10-25T10:20:27Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Out of the Shadows: Analyzing Anonymous' Twitter Resurgence during the 2020 Black Lives Matter Protests [6.510061176722249]
  最近、かつて著名なハクティビスト集団であるアノニマス (Anonymous) からの顕著な活動はほとんどなかった。 主要企業や政府に対する活動家によるサイバー攻撃を担当した同団体は、2013年に主要メンバーが逮捕された後、分断したようだ。 しかし、ブラック・ライブス・マターの大規模な抗議に反応して、グループは復帰したと報告された。
  論文  参考訳（メタデータ） (2021-07-22T10:18:32Z)
• Measurement-driven Security Analysis of Imperceptible Impersonation Attacks [54.727945432381716]
  本稿では,ディープニューラルネットワークを用いた顔認識システムの実用性について検討する。 皮膚の色,性別,年齢などの要因が,特定の標的に対する攻撃を行う能力に影響を及ぼすことを示す。 また,攻撃者の顔のさまざまなポーズや視点に対して堅牢なユニバーサルアタックを構築する可能性についても検討した。
  論文  参考訳（メタデータ） (2020-08-26T19:27:27Z)
• A Survey on Computational Propaganda Detection [31.42480765785039]
  プロパガンダのキャンペーンは、特定の議題を進めるために人々のマインドセットに影響を与えることを目的としている。 インターネットの匿名性、ソーシャルネットワークのマイクロプロファイリング能力、およびアカウントの協調ネットワークの自動作成と管理を容易にする。
  論文  参考訳（メタデータ） (2020-07-15T22:25:51Z)
• Keystroke Biometrics in Response to Fake News Propagation in a Global Pandemic [77.79066811371978]
  本研究では,キーストロークバイオメトリックスを用いたコンテンツ匿名化手法の提案と解析を行う。 フェイクニュースは、特に主要なイベントにおいて、世論を操作する強力なツールとなっている。
  論文  参考訳（メタデータ） (2020-05-15T17:56:11Z)
• Cross-ethnicity Face Anti-spoofing Recognition Challenge: A Review [79.49390241265337]
  Chalearn Face Anti-Spoofing Detection Challengeは、シングルモーダル(例えば、RGB)とマルチモーダル(例えば、RGB、Depth、赤外線(IR))のトラックで構成されている。 本稿では,その設計,評価プロトコル,結果の概要など,課題の概要について述べる。
  論文  参考訳（メタデータ） (2020-04-23T06:43:08Z)
• Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
  本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。 議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。 我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
  論文  参考訳（メタデータ） (2020-04-20T20:00:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。