論文の概要: Jettisoning Junk Messaging in the Era of End-to-End Encryption: A Case
Study of WhatsApp
- arxiv url: http://arxiv.org/abs/2106.05184v3
- Date: Sat, 12 Feb 2022 18:46:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-27 06:19:41.697049
- Title: Jettisoning Junk Messaging in the Era of End-to-End Encryption: A Case
Study of WhatsApp
- Title(参考訳): エンド・ツー・エンド暗号化時代のJunkメッセージング:WhatsAppを事例として
- Authors: Pushkal Agarwal, Aravindh Raman, Damilola Ibosiola, Gareth Tyson,
Nishanth Sastry, Kiran Garimella
- Abstract要約: インドで5K公開WhatsAppグループに送信された260万メッセージの多言語データセットでジャンクメッセージングを研究する。
10分の1近いメッセージが、ジャンク送信者から送られてくる望ましくないコンテンツであることに気付きました。
- 参考スコア(独自算出の注目度): 8.463390032361591
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: WhatsApp is a popular messaging app used by over a billion users around the
globe. Due to this popularity, understanding misbehavior on WhatsApp is an
important issue. The sending of unwanted junk messages by unknown contacts via
WhatsApp remains understudied by researchers, in part because of the end-to-end
encryption offered by the platform. We address this gap by studying junk
messaging on a multilingual dataset of 2.6M messages sent to 5K public WhatsApp
groups in India. We characterise both junk content and senders. We find that
nearly 1 in 10 messages is unwanted content sent by junk senders, and a number
of unique strategies are employed to reflect challenges faced on WhatsApp,
e.g., the need to change phone numbers regularly. We finally experiment with
on-device classification to automate the detection of junk, whilst respecting
end-to-end encryption.
- Abstract(参考訳): WhatsAppは、世界中の10億人以上のユーザーが使っている人気のメッセージングアプリだ。
この人気のため、WhatsAppでの誤った振る舞いを理解することは重要な問題だ。
WhatsApp経由の未知の連絡先による不要なジャンクメッセージの送信については、研究者による調査が続いている。
インドの5K公開WhatsAppグループに送信された260万メッセージの多言語データセット上で、ジャンクメッセージングを研究することで、このギャップに対処する。
ジャンクコンテンツと送信者の両方を特徴付ける。
メッセージの10分の1近くは、ジャンク送信者によって送られた望ましくないコンテンツであり、whatsappで直面する課題を反映するために、いくつかのユニークな戦略が採用されている。
エンド・ツー・エンドの暗号化を尊重しながら、最終的にデバイス上の分類を用いてジャンク検出を自動化する実験を行った。
関連論文リスト
- TGDataset: a Collection of Over One Hundred Thousand Telegram Channels [69.22187804798162]
本稿では,120,979のTelegramチャネルと4億以上のメッセージを含む新しいデータセットであるTGDatasetを提案する。
我々は、データセット内で話される言語と、英語チャンネルでカバーされるトピックを分析した。
生のデータセットに加えて、データセットの分析に使用したスクリプトと、Sabmykと呼ばれる新しい陰謀論のネットワークに属するチャネルのリストもリリースしました。
論文 参考訳(メタデータ) (2023-03-09T15:42:38Z) - Analysis of Longitudinal Changes in Privacy Behavior of Android
Applications [79.71330613821037]
本稿では,プライバシに関して,Androidアプリが時間とともにどのように変化してきたかを検討する。
HTTPSの採用、アプリが他のインストール済みアプリのデバイスをスキャンするかどうか、プライバシに敏感なデータに対するパーミッションの使用、ユニークな識別子の使用について検討する。
アプリがアップデートを受け続けるにつれて、プライバシ関連の振る舞いは時間とともに改善され、アプリによって使用されるサードパーティライブラリが、プライバシに関するより多くの問題に責任を負っていることが分かっています。
論文 参考訳(メタデータ) (2021-12-28T16:21:31Z) - Uncovering the Dark Side of Telegram: Fakes, Clones, Scams, and
Conspiracy Movements [67.39353554498636]
我々は35,382の異なるチャンネルと130,000,000以上のメッセージを収集して,Telegramの大規模解析を行う。
カードなどのダークウェブのプライバシー保護サービスにも、悪名高い活動がいくつかある。
疑似チャネルを86%の精度で識別できる機械学習モデルを提案する。
論文 参考訳(メタデータ) (2021-11-26T14:53:31Z) - Training Conversational Agents with Generative Conversational Networks [74.9941330874663]
我々は、生成会話ネットワークを使用して、自動的にデータを生成し、社会的会話エージェントを訓練する。
自動メトリクスと人的評価器を用いてTopicalChatのアプローチを評価し、10%のシードデータで100%のデータを使用するベースラインに近いパフォーマンスを示す。
論文 参考訳(メタデータ) (2021-10-15T21:46:39Z) - Tiplines to Combat Misinformation on Encrypted Platforms: A Case Study
of the 2019 Indian Election on WhatsApp [5.342552155591148]
我々は、WhatsApp上でクラウドソースシステムの有用性を分析し、ユーザーがファクトチェックを希望するメッセージを含む"チップ"を送信できるようにする。
われわれは、2019年のインド総選挙でWhatsAppに送られたチップを、WhatsApp上の大規模な公開グループで流されたメッセージと比較した。
私たちは、チップラインがWhatsAppの会話に非常に便利なレンズであることに気付きました。
論文 参考訳(メタデータ) (2021-06-08T23:08:47Z) - "Short is the Road that Leads from Fear to Hate": Fear Speech in Indian
WhatsApp Groups [8.682669903229165]
私たちは、インドの政治について議論する何千もの公開WhatsAppグループを対象に、恐怖のスピーチに関する最初の大規模な研究を行います。
我々は、恐怖音声を分類するモデルを構築し、現在の最先端のNLPモデルは、このタスクでうまく機能しないことを観察する。
論文 参考訳(メタデータ) (2021-02-07T18:14:16Z) - A First Look at COVID-19 Messages on WhatsApp in Pakistan [6.336355456383468]
新型コロナウイルス(COVID-19)は、WhatsAppやTwitterなどのソーシャルメディアプラットフォームでインフォデミック(インフォデミック)を発生させるなど、オンライン上での広範な議論を引き起こしている。
パキスタンのWhatsAppグループを対象に、新型コロナウイルスに関する最初の分析を行った。
論文 参考訳(メタデータ) (2020-11-18T07:56:24Z) - TextHide: Tackling Data Privacy in Language Understanding Tasks [54.11691303032022]
TextHideは、トレーニングを遅くしたり、精度を下げることなく、プライバシー上のリスクを軽減する。
すべての参加者は、盗聴攻撃者がプライベートテキストデータを復元するのを防ぐために、簡単な暗号化ステップを追加する必要がある。
我々は、GLUEベンチマーク上でTextHideを評価し、TextHideが共有勾配や表現に対する攻撃を効果的に防御できることを示す。
論文 参考訳(メタデータ) (2020-10-12T22:22:15Z) - Emerging App Issue Identification via Online Joint Sentiment-Topic
Tracing [66.57888248681303]
本稿では,MERITという新しい問題検出手法を提案する。
AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。
Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
論文 参考訳(メタデータ) (2020-08-23T06:34:05Z) - Can WhatsApp Benefit from Debunked Fact-Checked Stories to Reduce
Misinformation? [3.116035935327534]
偽情報がWhatsAppの公開グループで共有されているのをわれわれは観察している。
これは、ブラジルとインドの両方で分析されたグループにおいて、誤報のかなりの部分を占めていることを示している。
このような誤報に対処するためにWhatsAppが実装可能なアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-06-03T18:28:57Z) - The Pushshift Telegram Dataset [1.7109522466982476]
モバイルメッセージングプラットフォームであるTelegramからデータセットを提示する。
私たちのデータセットは27.8Kのチャネルと220万のユニークなユーザからの317万のメッセージで構成されています。
論文 参考訳(メタデータ) (2020-01-23T10:37:33Z)
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。