論文の概要: Uncovering the Dark Side of Telegram: Fakes, Clones, Scams, and Conspiracy Movements

• arxiv url: http://arxiv.org/abs/2111.13530v2
• Date: Mon, 29 Nov 2021 13:41:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-30 12:57:40.315635
• Title: Uncovering the Dark Side of Telegram: Fakes, Clones, Scams, and Conspiracy Movements
• Title（参考訳）: telegramのダークサイドを明らかにする - 偽物、クローン、詐欺、陰謀運動
• Authors: Massimo La Morgia, Alessandro Mei, Alberto Maria Mongardini, Jie Wu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 67.39353554498636
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Telegram is one of the most used instant messaging apps worldwide. Some of its success lies in providing high privacy protection and social network features like the channels -- virtual rooms in which only the admins can post and broadcast messages to all its subscribers. However, these same features contributed to the emergence of borderline activities and, as is common with Online Social Networks, the heavy presence of fake accounts. Telegram started to address these issues by introducing the verified and scam marks for the channels. Unfortunately, the problem is far from being solved. In this work, we perform a large-scale analysis of Telegram by collecting 35,382 different channels and over 130,000,000 messages. We study the channels that Telegram marks as verified or scam, highlighting analogies and differences. Then, we move to the unmarked channels. Here, we find some of the infamous activities also present on privacy-preserving services of the Dark Web, such as carding, sharing of illegal adult and copyright protected content. In addition, we identify and analyze two other types of channels: the clones and the fakes. Clones are channels that publish the exact content of another channel to gain subscribers and promote services. Instead, fakes are channels that attempt to impersonate celebrities or well-known services. Fakes are hard to identify even by the most advanced users. To detect the fake channels automatically, we propose a machine learning model that is able to identify them with an accuracy of 86%. Lastly, we study Sabmyk, a conspiracy theory that exploited fakes and clones to spread quickly on the platform reaching over 1,000,000 users.
• Abstract（参考訳）: Telegramは、世界でもっとも使われているインスタントメッセージングアプリの一つだ。 その成功の要因は、高いプライバシー保護とソーシャルネットワーク機能を提供することにある。チャンネルは、管理者だけが全購読者にメッセージを投稿し、ブロードキャストできる仮想ルームだ。 しかし、これらの特徴は境界線活動の出現に寄与し、オンラインソーシャルネットワークと共通するように、偽アカウントの存在感が強かった。 Telegramは、チャネルの認証済みおよび詐欺マークを導入して、これらの問題に対処し始めた。 残念ながら、問題は解決されるには程遠い。 本研究では,35,382の異なるチャネルと130,000,000以上のメッセージを収集し,テレグラムの大規模解析を行う。 我々は、テレグラムが認証または詐欺とマークするチャンネルを調査し、類似点と相違点を強調する。 そして、マークのないチャンネルに移動します。 ここでは、暗黒ウェブのプライバシー保護サービス(カード、違法成人の共有、著作権保護コンテンツなど)にも、悪名高い活動がいくつか見られる。 さらに、クローンとフェイクの2種類のチャンネルを特定し、分析する。 clonesは、他のチャンネルの正確なコンテンツを公開し、購読者を獲得し、サービスを宣伝するチャンネルだ。 その代わり、フェイクは有名人や有名サービスを偽装しようとするチャンネルだ。 偽物は、最も高度なユーザーでさえ識別しにくい。 フェイクチャネルを自動的に検出するために,86%の精度で識別可能な機械学習モデルを提案する。 最後に、Sabmykは、偽物やクローンを悪用してプラットフォーム上に急速に普及させた陰謀理論だ。

関連論文リスト

• Characterizing and Detecting Propaganda-Spreading Accounts on Telegram [7.759087666892532]
  偽情報キャンペーンやプロパガンダなどのソーシャルメディアに対する情報ベースの攻撃は、サイバーセキュリティの脅威を生じさせている。 本稿では,適切なユーザメッセージとプロパガンダ応答の関係を活かした新しいプロパガンダ検出機構を提案する。 本手法は, より高速で安価で, 検出率(97.6%)が11.6ポイント高い。
  論文  参考訳（メタデータ） (2024-06-12T11:07:27Z)
• The Conspiracy Money Machine: Uncovering Telegram's Conspiracy Channels and their Profit Model [50.80312055220701]
  陰謀のチャネルは、17,000以上のチャンネルからなる4つの異なるコミュニティにまとめることができる。 陰謀論者はeコマースプラットフォームを利用して、疑わしい商品を販売したり、アフィリエイトリンクを通じて利益を上げたりする。 この事業には何十万もの寄付者が参加し、約6600万ドル(約6億6000万円)の転売を生んでいると結論付けている。
  論文  参考訳（メタデータ） (2023-10-24T16:25:52Z)
• 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)
• Manipulating Twitter Through Deletions [64.33261764633504]
  Twitter上でのインフルエンスキャンペーンの研究は、公開APIを通じて得られたツイートから悪意のあるアクティビティを識別することに大きく依存している。 ここでは,1100万以上のアカウントによる10億以上の削除を含む,異常な削除パターンを網羅的かつ大規模に分析する。 少数のアカウントが毎日大量のツイートを削除していることがわかった。 まず、ツイートのボリューム制限が回避され、特定のアカウントが毎日2600万以上のツイートをネットワークに流すことができる。 第二に、調整されたアカウントのネットワークは、繰り返しのいいね!や、最終的に削除されるコンテンツとは違って、ランキングアルゴリズムを操作できる。
  論文  参考訳（メタデータ） (2022-03-25T20:07:08Z)
• Watch Those Words: Video Falsification Detection Using Word-Conditioned Facial Motion [82.06128362686445]
  本稿では,安価なディープフェイクと視覚的に説得力のあるディープフェイクの両方を扱うためのマルチモーダルな意味法医学的アプローチを提案する。 帰属という概念を利用して、ある話者と他の話者を区別する個人固有の生体パターンを学習する。 既存の個人固有のアプローチとは異なり、この手法は口唇の操作に焦点を当てた攻撃にも有効である。
  論文  参考訳（メタデータ） (2021-12-21T01:57:04Z)
• Sockpuppet Detection: a Telegram case study [0.5620334754517148]
  Online Social Networks (OSN) では、ユーザーが複数のアカウントを作成できるケースが多数ある。 これらの架空のキャラクターは、意見の操作、偽ニュースの拡散、他のユーザーを乱すといった虐待的な行動を実行するために利用することができる。 我々の研究は、広範囲にわたるインスタントメッセージングアプリケーションであるTelegramに焦点を当てており、組織犯罪やテロリズムのメンバーによる搾取でよく知られており、一般的には攻撃的な行動を持つ人々の存在感が高いことで知られている。
  論文  参考訳（メタデータ） (2021-05-22T19:28:10Z)
• User Preference-aware Fake News Detection [61.86175081368782]
  既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。 本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
  論文  参考訳（メタデータ） (2021-04-25T21:19:24Z)
• Charting the Landscape of Online Cryptocurrency Manipulation [6.115604209763508]
  オンライン暗号通貨の展望を、複数のプラットフォームでグラフ化しています。 私たちは、Twitter、Telegram、Discordで約700万人のユーザーが発行した5000万以上のメッセージからなる大規模なデータセットを収集しました。
  論文  参考訳（メタデータ） (2020-01-28T12:19:09Z)

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。