論文の概要: TrollHunter [Evader]: Automated Detection [Evasion] of Twitter Trolls
During the COVID-19 Pandemic
- arxiv url: http://arxiv.org/abs/2012.02586v2
- Date: Mon, 7 Dec 2020 03:00:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-23 05:06:42.639456
- Title: TrollHunter [Evader]: Automated Detection [Evasion] of Twitter Trolls
During the COVID-19 Pandemic
- Title（参考訳）: trollhunter [evader]:covid-19パンデミックにおけるtwitterのトロルの自動検出 [エベイション]
- Authors: Peter Jachim and Filipo Sharevski and Paige Treebridge
- Abstract要約: TrollHunterは、2020年の新型コロナウイルス(COVID-19)パンデミックでTwitter上でトロルを探すために使われる自動推論メカニズムだ。
新型コロナウイルス(COVID-19)のインフォデミックに対抗するために、TrollHunterは、Twitterの多次元コンテンツ機能のユニークな言語分析を利用している。
TrollHunterは98.5%の精度、75.4%の精度、69.8%のリコールを達成した。
- 参考スコア（独自算出の注目度）: 1.5469452301122175
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents TrollHunter, an automated reasoning mechanism we used to
hunt for trolls on Twitter during the COVID-19 pandemic in 2020. Trolls, poised
to disrupt the online discourse and spread disinformation, quickly seized the
absence of a credible response to COVID-19 and created a COVID-19 infodemic by
promulgating dubious content on Twitter. To counter the COVID-19 infodemic, the
TrollHunter leverages a unique linguistic analysis of a multi-dimensional set
of Twitter content features to detect whether or not a tweet was meant to
troll. TrollHunter achieved 98.5% accuracy, 75.4% precision and 69.8% recall
over a dataset of 1.3 million tweets. Without a final resolution of the
pandemic in sight, it is unlikely that the trolls will go away, although they
might be forced to evade automated hunting. To explore the plausibility of this
strategy, we developed and tested an adversarial machine learning mechanism
called TrollHunter-Evader. TrollHunter-Evader employs a Test Time Evasion (TTE)
approach in a combination with a Markov chain-based mechanism to recycle
originally trolling tweets. The recycled tweets were able to achieve a
remarkable 40% decrease in the TrollHunter's ability to correctly identify
trolling tweets. Because the COVID-19 infodemic could have a harmful impact on
the COVID-19 pandemic, we provide an elaborate discussion about the
implications of employing adversarial machine learning to evade Twitter troll
hunts.
- Abstract（参考訳）: 本稿では、2020年の新型コロナウイルス(COVID-19)パンデミックでTwitterでトロルを探すために使った自動推論メカニズムであるTrollHunterを紹介する。
オンラインの会話を混乱させ、偽情報を広めるために準備されたトロルは、すぐにcovid-19に対する信頼できる対応の欠如を捉え、twitterで疑わしいコンテンツを公布することで、covid-19インフォデミックを生み出した。
新型コロナウイルス(COVID-19)のインフォデミックに対抗するために、TrollHunterは、Twitterの多次元コンテンツ機能のユニークな言語分析を利用して、ツイートがトロールを意図したかどうかを検出する。
TrollHunterは98.5%の精度、75.4%の精度、69.8%のリコールを達成した。
パンデミックの最終的な解決が見えなければ、トロールが脱落する可能性は低いが、自動狩猟を回避せざるを得ない可能性がある。
この戦略の可能性を探るため,我々は対人学習機構であるtrollhunter-evaderを開発した。
TrollHunter-Evaderは、オリジナルのトロルツイートをリサイクルするMarkovチェーンベースのメカニズムと組み合わせて、テストタイムエクスベイジョン(TTE)アプローチを採用している。
リサイクルされたツイートは、トロルハンガーのトロルツイートを正しく識別する能力において、顕著な40%の減少を達成することができた。
新型コロナウイルス(COVID-19)のインフォデミックが新型コロナウイルス(COVID-19)のパンデミックに悪影響を及ぼす可能性があるため、Twitterのトロルハントを避けるために、敵対的機械学習を採用することの意味について、精巧に議論する。
関連論文リスト
- Fact-Saboteurs: A Taxonomy of Evidence Manipulation Attacks against
Fact-Verification Systems [80.3811072650087]
証拠のクレームサレントスニペットを微調整し,多様かつクレームアラインな証拠を生成することが可能であることを示す。
この攻撃は、主張のポストホックな修正に対しても堅牢である。
これらの攻撃は、インスペクタブルとヒューマン・イン・ザ・ループの使用シナリオに有害な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2022-09-07T13:39:24Z) - Overview of Abusive and Threatening Language Detection in Urdu at FIRE
2021 [50.591267188664666]
我々は、ウルドゥー語に対する虐待と脅しの2つの共通タスクを提示する。
本研究では, (i) 乱用と非乱用というラベル付きツイートを含む手動注釈付きデータセットと, (ii) 脅威と非脅威の2つを提示する。
両方のサブタスクに対して、m-Bertベースのトランスモデルは最高の性能を示した。
論文 参考訳（メタデータ） (2022-07-14T07:38:13Z) - TROLLMAGNIFIER: Detecting State-Sponsored Troll Accounts on Reddit [11.319938541673578]
本稿ではトロルアカウント検出システムであるTROLLMAGNIFIERを提案する。
TROLLMAGNIFIERは、既知のトロルアカウントの典型的な振る舞いを学習し、同じように振舞うものをより特定する。
また,TROLLMAGNIFIERを用いることで,トロルの初期知識を300%以上増加させることができることを示した。
論文 参考訳（メタデータ） (2021-12-01T12:10:24Z) - Exposing Paid Opinion Manipulation Trolls [19.834000431578737]
機械学習を用いてウェブ上で有償トロルを見つける方法を示す。
本稿では,複数の異なる人々からトロルと呼ばれるユーザがそうである可能性が高いと仮定する。
さらに, (ii) と (iii) を区別するために訓練された分類器が, (iii) と (iii) を区別するために訓練された分類器が, (iii) と (iii) を区別する上でも極めて優れていることを示す。
論文 参考訳（メタデータ） (2021-09-26T11:40:14Z) - TrollHunter2020: Real-Time Detection of Trolling Narratives on Twitter
During the 2020 US Elections [1.5469452301122175]
TrollHunter2020は、2020年のアメリカ合衆国大統領選挙でTwitter上でトロリングの物語をリアルタイムに検出するメカニズムである。
われわれはTrollHunter 2020が、展開する偏光イベントのごく初期段階で、出現するトロリングの物語を実際に捉えていることを示唆している。
論文 参考訳（メタデータ） (2020-12-04T14:03:06Z) - "Nice Try, Kiddo": Investigating Ad Hominems in Dialogue Responses [87.89632038677912]
アドホミン攻撃(Ad hominem attack)とは、ある人物が保持している位置ではなく、ある人物の特徴を狙う攻撃である。
本稿では,アノテートされたデータセットを作成し,英語のTwitter投稿に対する人文・対話応答を解析するシステムを構築する。
以上の結果から,1)ヒトとダイアロGPTの両方からの反応は,辺縁化コミュニティに関する議論においてより多くのアドホミンを含むこと,2)訓練データ中の異なる量のアドホミンがアドホミンの生成に影響を及ぼしうること,3)アドホミン化を減らすためのデコード技術に制約があることが示唆された。
論文 参考訳（メタデータ） (2020-10-24T07:37:49Z) - Understanding the Hoarding Behaviors during the COVID-19 Pandemic using
Large Scale Social Media Data [77.34726150561087]
われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。
ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。
LIWCの不安度はTwitterの不安度よりもかなり高い。
論文 参考訳（メタデータ） (2020-10-15T16:02:25Z) - Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media
during the COVID-19 Crisis [51.39895377836919]
新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。
我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。
私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
論文 参考訳（メタデータ） (2020-05-25T21:58:09Z) - Russian trolls speaking Russian: Regional Twitter operations and MH17 [68.8204255655161]
2018年、Twitterはロシアのトロルとして特定されたアカウントのデータを公開した。
我々はこれらのトロルのロシア語操作を分析する。
MH17の事故に関するトロルズの情報キャンペーンは、ツイート数で最大のものだった。
論文 参考訳（メタデータ） (2020-05-13T19:48:12Z) - Detecting Troll Behavior via Inverse Reinforcement Learning: A Case
Study of Russian Trolls in the 2016 US Election [8.332032237125897]
Inverse Reinforcement Learning (IRL) に基づくトロール行動の抽出とトロールアカウントの同定手法を提案する。
調査事例として、2016年アメリカ合衆国大統領選挙におけるロシアの介入疑惑の調査において、米国議会が特定したトロルアカウントについて考察する。
IRLに基づくアプローチでは,トロルアカウントを正確に検出することが可能である。
論文 参考訳（メタデータ） (2020-01-28T19:50:19Z)
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。