論文の概要: Posting Bot Detection on Blockchain-based Social Media Platform using
Machine Learning Techniques
- arxiv url: http://arxiv.org/abs/2008.12471v1
- Date: Fri, 28 Aug 2020 04:00:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-24 02:30:45.633924
- Title: Posting Bot Detection on Blockchain-based Social Media Platform using
Machine Learning Techniques
- Title（参考訳）: 機械学習を用いたブロックチェーン型ソーシャルメディアプラットフォーム上でのボット検出
- Authors: Taehyun Kim, Hyomin Shin, Hyung Ju Hwang, Seungwon Jeong
- Abstract要約: 私たちはブロックチェーンベースのソーシャルメディアプラットフォームでポストボットを最初に研究しました。
通常のソーシャルメディアプラットフォームにおけるボット検出と比較して、私たちが作成した機能は、投稿の数や長さを制限することなく、投稿ボットを検出できるという利点がある。
- 参考スコア（独自算出の注目度）: 4.817429789586127
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Steemit is a blockchain-based social media platform, where authors can get
author rewards in the form of cryptocurrencies called STEEM and SBD (Steem
Blockchain Dollars) if their posts are upvoted. Interestingly, curators (or
voters) can also get rewards by voting others' posts, which is called a
curation reward. A reward is proportional to a curator's STEEM stakes.
Throughout this process, Steemit hopes "good" content will be automatically
discovered by users in a decentralized way, which is known as the
Proof-of-Brain (PoB). However, there are many bot accounts programmed to post
automatically and get rewards, which discourages real human users from creating
good content. We call this type of bot a posting bot. While there are many
papers that studied bots on traditional centralized social media platforms such
as Facebook and Twitter, we are the first to study posting bots on a
blockchain-based social media platform. Compared with the bot detection on the
usual social media platforms, the features we created have an advantage that
posting bots can be detected without limiting the number or length of posts. We
can extract the features of posts by clustering distances between blog data or
replies. These features are obtained from the Minimum Average Cluster from
Clustering Distance between Frequent words and Articles (MAC-CDFA), which is
not used in any of the previous social media research. Based on the enriched
features, we enhanced the quality of classification tasks. Comparing the
F1-scores, the features we created outperformed the features used for bot
detection on Facebook and Twitter.
- Abstract（参考訳）: Steemitはブロックチェーンベースのソーシャルメディアプラットフォームで、投稿が無効になった場合、著者がSTEEMやSBD(Steem Blockchain Dollars)と呼ばれる暗号通貨の形で報酬を受け取ることができる。
興味深いことに、キュレーター(または有権者)は他人のポストに投票することで報酬を得ることができる。
報酬はキュレーターのSTEEMの持分に比例する。
このプロセスを通じて、Steemitは、"良い"コンテンツが分散された方法で自動的に発見され、PoB(Proof-of-Brain)と呼ばれることを望んでいる。
しかし、多くのボットアカウントが自動的に投稿して報酬を得るようプログラムされており、実際の人間が良いコンテンツを作るのを妨げている。
このタイプのボットをポストボットと呼んでいます。
facebookやtwitterなど、従来の集中型ソーシャルメディアプラットフォーム上でボットを研究した論文はたくさんありますが、ブロックチェーンベースのソーシャルメディアプラットフォームでボットを投稿する研究は、当社が初めてです。
通常のソーシャルメディアプラットフォームのボット検出と比較して、私たちが作った機能は、投稿の数や長さを制限せずにボットを投稿できるという利点があります。
ブログデータや返信間の距離をクラスタリングすることで,投稿の特徴を抽出することができる。
これらの特徴は、過去のソーシャルメディア研究で使用されていない単語と記事(MAC-CDFA)間のクラスタリング距離から得られる最小平均クラスタから得られる。
リッチな特徴に基づいて,分類タスクの質を高めた。
f1-scoresを比較すると、私たちが作った機能は、facebookやtwitterのボット検出機能よりも優れています。
関連論文リスト
- Entendre, a Social Bot Detection Tool for Niche, Fringe, and Extreme Social Media [1.4913052010438639]
オープンアクセス、スケーラブル、プラットフォームに依存しないボット検出フレームワークであるEntendreを紹介した。
われわれは、ほとんどのソーシャルプラットフォームが一般的なテンプレートを共有しており、ユーザーはコンテンツを投稿し、コンテンツを承認し、バイオを提供することができるという考えを生かしている。
Entendreの有効性を示すために、私たちは、現在定義されている右翼プラットフォームであるParlerに人種差別的コンテンツを投稿するアカウントの中で、ボットの存在を調査するために使用しました。
論文 参考訳（メタデータ） (2024-08-13T13:50:49Z) - Spot the bot: Coarse-Grained Partition of Semantic Paths for Bots and
Humans [55.2480439325792]
本稿では,人書きテキストとボット生成テキストのセマンティックパスの粗粒度分割構造の比較に焦点をあてる。
意味構造が言語によって異なる可能性があるため、ロシア語、英語、ドイツ語、ベトナム語を調査する。
論文 参考訳（メタデータ） (2024-02-27T10:38:37Z) - My Brother Helps Me: Node Injection Based Adversarial Attack on Social Bot Detection [69.99192868521564]
Twitterのようなソーシャルプラットフォームは、数多くの不正なユーザーから包囲されている。
ソーシャルネットワークの構造のため、ほとんどの手法は攻撃を受けやすいグラフニューラルネットワーク(GNN)に基づいている。
本稿では,ボット検出モデルを欺いたノードインジェクションに基づく逆攻撃手法を提案する。
論文 参考訳（メタデータ） (2023-10-11T03:09:48Z) - BotArtist: Generic approach for bot detection in Twitter via semi-automatic machine learning pipeline [47.61306219245444]
Twitterは、ボットや偽アカウントのターゲットとなり、偽情報や操作の拡散につながった。
本稿では,機械学習モデル開発に関連する課題に対処するために,セミオートマチック機械学習パイプライン(SAMLP)を提案する。
ユーザプロファイル機能に基づいたボット検出モデルBotArtistを開発した。
論文 参考訳（メタデータ） (2023-05-31T09:12:35Z) - Should we agree to disagree about Twitter's bot problem? [1.6317061277457]
ボットに類似した行動、検出方法、検査された人口に対する仮定が、Twitter上でのボットの割合の推定にどのように影響するかを論じる。
当社は、プラットフォームがユーザに影響を与える可能性のある脅威に対処する上で、警戒し、透明性を保ち、バイアスを負わないことの責任を強調しています。
論文 参考訳（メタデータ） (2022-09-20T21:27:25Z) - 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) - BotNet Detection On Social Media [0.0]
ソーシャルメディアは、これらのプラットフォームを使って他のユーザーを操作しようとするユーザー(ボット)アカウントにとって、オープンな場となっている。
ボットが選挙結果を操作している証拠は、全国、つまり世界にとって大きな脅威となる可能性がある。
私たちの目標は、セマンティックなWebマイニング技術を活用して、これらの活動に関わる偽のボットやアカウントを特定することです。
論文 参考訳（メタデータ） (2021-10-12T00:38:51Z) - BotSpot: Deep Learning Classification of Bot Accounts within Twitter [2.099922236065961]
Twitterのオープン化機能により、プログラムはTwitter APIを通じてTwitterアカウントを自動生成および制御できる。
ボットとして知られるこれらのアカウントは、ツイート、リツイート、フォロー、フォロー解除、他のアカウントへのダイレクトメッセージなどのアクションを自動的に実行する。
我々は,多層パーセプトロンニューラルネットワークとボットアカウントの9つの特徴を備えた,ディープラーニングを用いた新しいボット検出手法を提案する。
論文 参考訳（メタデータ） (2021-09-08T15:17:10Z) - A ground-truth dataset and classification model for detecting bots in
GitHub issue and PR comments [70.1864008701113]
ボットはGithubリポジトリで、分散ソフトウェア開発プロセスの一部である反復的なアクティビティを自動化するために使用されている。
本稿では,5000のGithubアカウントのプルリクエストとコメント発行に関する,高い相互契約を伴う手動分析に基づいて,基幹トラスデータセットを提案する。
ボットを検出する自動分類モデルを提案し,各アカウントの空のコメント数と空でないコメント数,コメントパターンの数,コメントパターン内のコメント間の不平等を主特徴とする。
論文 参考訳（メタデータ） (2020-10-07T09:30:52Z) - Detection of Novel Social Bots by Ensembles of Specialized Classifiers [60.63582690037839]
悪意ある俳優は、社会ボットとして知られるアルゴリズムによって部分的に制御される不正なソーシャルメディアアカウントを作成し、誤情報を広め、オンラインでの議論を扇動する。
異なるタイプのボットが、異なる行動特徴によって特徴づけられることを示す。
本稿では,ボットのクラスごとに専門的な分類器を訓練し,それらの決定を最大ルールで組み合わせる,教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-11T22:59:59Z)
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。