論文の概要: BotNet Detection On Social Media
- arxiv url: http://arxiv.org/abs/2110.05661v1
- Date: Tue, 12 Oct 2021 00:38:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-14 05:17:02.739541
- Title: BotNet Detection On Social Media
- Title(参考訳): ソーシャルメディア上のBotNet検出
- Authors: Aniket Chandrakant Devle, Julia Ann Jose, Abhay Shrinivas
Saraswathula, Shubham Mehta, Siddhant Srivastava, Sirisha Kona, Sudheera
Daggumalli
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Given the popularity of social media and the notion of it being a platform
encouraging free speech, it has become an open playground for user (bot)
accounts trying to manipulate other users using these platforms. Social bots
not only learn human conversations, manners, and presence but also manipulate
public opinion, act as scammers, manipulate stock markets, etc. There has been
evidence of bots manipulating the election results which can be a great threat
to the whole nation and hence the whole world. So identification and prevention
of such campaigns that release or create the bots have become critical to
tackling it at its source of origin. Our goal is to leverage semantic web
mining techniques to identify fake bots or accounts involved in these
activities.
- Abstract(参考訳): ソーシャルメディアの人気と、それが言論の自由を促進するプラットフォームであるという考えから、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)アカウントのオープンプレイグラウンドとなっている。
ソーシャルボットは人間の会話、作法、存在を学習するだけでなく、世論の操作、詐欺行為、株式市場の操作なども行う。
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。
そのため、ボットを放出または生成するキャンペーンの識別と防止は、その起源に対処するために重要になっている。
私たちの目標は、セマンティックウェブ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。
関連論文リスト
- BotArtist: Twitter bot detection Machine Learning model based on Twitter
suspension [50.4515540006269]
われわれは、最近のロシアとウクライナの戦争に関する900万人のユーザーから生まれた、Twitter上の難解で多言語的なソーシャル談話のデータセットを集めている。
我々は最先端のXGBoostモデルを用いて,ボット検出のための新しいMLモデルを構築した。
Botometerと比較して、我々の手法は、2つの実ケースシナリオデータセットよりも平均11%高いROC-AUCスコアを達成する。
論文 参考訳(メタデータ) (2023-05-31T09:12:35Z) - You are a Bot! -- Studying the Development of Bot Accusations on Twitter [0.30079490585515345]
地上の真実データがないと、研究者たちは群衆の知恵を取り入れたいかもしれない。
本研究は,Twitter上でのボットの告発に関する大規模な研究である。
この言葉は、ソーシャルメディアの会話において、ボットという用語が非人間化の道具になったことを示している。
論文 参考訳(メタデータ) (2023-02-01T16:09:11Z) - 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) - Investigating the Validity of Botometer-based Social Bot Studies [0.0]
ソーシャルボットは、世論を操作することを目的として悪意あるアクターが運営するソーシャルメディアアカウントの自動化だと考えられている。
社会ボットの活動は、アメリカ合衆国大統領選挙を含む様々な政治的文脈で報告されている。
ソーシャルボットの普及率を推定するために広く利用されている研究設計の根本的な欠点を指摘する。
論文 参考訳(メタデータ) (2022-07-23T09:31:30Z) - Bots don't Vote, but They Surely Bother! A Study of Anomalous Accounts
in a National Referendum [1.5609988622100526]
我々は、2020年のチリ憲法の国民投票に関する議論の特徴をTwitterで紹介する。
特徴付けはプロファイル指向分析を使用して、機械学習を用いて異常コンテンツの分離を可能にする。
我々は、異常なアカウント(そのうちいくつかは自動化ボット)がコンテンツを生成し、(偽の)情報を広める相互作用を計測する。
論文 参考訳(メタデータ) (2022-03-08T15:02:51Z) - 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) - Characterizing Retweet Bots: The Case of Black Market Accounts [3.0254442724635173]
我々は、ブラックマーケットからリツイートを購入することで発見されたリツイートボットを特徴付けている。
偽アカウントなのか偽アカウントなのか、それとも偽アカウントなのかを検知する。
また,人的管理アカウントとの違いも分析した。
論文 参考訳(メタデータ) (2021-12-04T15:52:46Z) - 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) - CheerBots: Chatbots toward Empathy and Emotionusing Reinforcement
Learning [60.348822346249854]
本研究では,複数の共感型チャットボットがユーザの暗黙の感情を理解し,複数の対話のターンに対して共感的に応答する枠組みを提案する。
チャットボットをCheerBotsと呼びます。CheerBotsは検索ベースまたは生成ベースで、深い強化学習によって微調整されます。
共感的態度で反応するため,CheerBotsの学習支援としてシミュレーションエージェントである概念人間モデルを開発し,今後のユーザの感情状態の変化を考慮し,共感を喚起する。
論文 参考訳(メタデータ) (2021-10-08T07:44:47Z) - 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) - Quantifying the Vulnerabilities of the Online Public Square to
Adversarial Manipulation Tactics [47.189859616654736]
ソーシャルメディアモデルを用いて、コンテンツの品質に対するいくつかの敵の操作戦術の影響を定量化する。
ソーシャルメディアの目印である影響力のあるアカウントの存在は、操作するオンラインコミュニティの脆弱性を悪化させる。
これらの知見は、プラットフォームがソーシャルメディアユーザーによる操作のレジリエンスを高めるために使われる可能性があることを示唆している。
論文 参考訳(メタデータ) (2019-07-13T21:12:08Z)
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。