論文の概要: Social Honeypot for Humans: Luring People through Self-managed Instagram Pages

• arxiv url: http://arxiv.org/abs/2303.17946v1
• Date: Fri, 31 Mar 2023 10:20:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-03 14:34:04.740629
• Title: Social Honeypot for Humans: Luring People through Self-managed Instagram Pages
• Title（参考訳）: 人のためのソーシャルハニーポット: 自己管理型instagramページを通じて人々を誘う
• Authors: Sara Bardi, Mauro Conti, Luca Pajola, Pier Paolo Tricomi
• Abstract要約: ソーシャル・ハニーポット(Social honeypots)は、悪意のあるユーザーを惹きつけるために、オンライン・ソーシャル・ネットワーク(OSN)にデプロイされたツールである。 完全に自動化されたコンテンツ生成戦略と、Instagramページを模倣するエンゲージメントプランに基づくフレームワークを提案する。 9週間で、私たちの新婚旅行者は753人のフォロワー、5387人のコメント、15739人のいいね!
• 参考スコア（独自算出の注目度）: 19.554013059192535
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Social Honeypots are tools deployed in Online Social Networks (OSN) to attract malevolent activities performed by spammers and bots. To this end, their content is designed to be of maximum interest to malicious users. However, by choosing an appropriate content topic, this attractive mechanism could be extended to any OSN users, rather than only luring malicious actors. As a result, honeypots can be used to attract individuals interested in a wide range of topics, from sports and hobbies to more sensitive subjects like political views and conspiracies. With all these individuals gathered in one place, honeypot owners can conduct many analyses, from social to marketing studies. In this work, we introduce a novel concept of social honeypot for attracting OSN users interested in a generic target topic. We propose a framework based on fully-automated content generation strategies and engagement plans to mimic legit Instagram pages. To validate our framework, we created 21 self-managed social honeypots (i.e., pages) on Instagram, covering three topics, four content generation strategies, and three engaging plans. In nine weeks, our honeypots gathered a total of 753 followers, 5387 comments, and 15739 likes. These results demonstrate the validity of our approach, and through statistical analysis, we examine the characteristics of effective social honeypots.
• Abstract（参考訳）: ソーシャル・ハニーポット(Social Honeypots)は、オンライン・ソーシャル・ネットワーク(OSN)にデプロイされたツールで、スパマーやボットが行う悪意ある活動を引き付ける。 この目的のために、彼らのコンテンツは悪意のあるユーザーにとって最大の関心を持つように設計されている。 しかし、適切なコンテンツトピックを選択することで、悪意のあるアクターを誘惑するだけでなく、この魅力的なメカニズムをOSNユーザーに拡張することができる。 結果として、ハニーポットは、スポーツや趣味から、政治的見解や陰謀のようなより敏感な主題まで、幅広いトピックに関心を持つ個人を惹きつけるのに使える。 これらの個人が一箇所に集まると、ハニーポットの所有者は社会学からマーケティング学まで多くの分析を行うことができる。 そこで本研究では,OSNユーザが汎用的なターゲットトピックに関心を持つようなソーシャル・ハニーポットのコンセプトを紹介した。 完全に自動化されたコンテンツ生成戦略と、Instagramページを模倣するエンゲージメントプランに基づくフレームワークを提案する。 フレームワークを検証するため、Instagram上で21の自己管理型ソーシャルハニーポット(ページ)を作成し、トピック3つ、コンテンツ生成戦略4つ、エンゲージメントプラン3つをカバーしました。 9週間で、私たちの新婚旅行者は753人のフォロワー、5387人のコメント、15739人のいいね! これらの結果から,本手法の有効性を実証し,統計的分析を行い,有効な社会ハニーポットの特性について検討した。

関連論文リスト

• "I'm in the Bluesky Tonight": Insights from a Year Worth of Social Data [0.18416014644193066]
  本稿では,Bluesky Socialのソーシャルインタラクションとユーザ生成コンテンツの大規模かつ高包括的データセットを提案する。 データセットには400万以上のユーザ(すべての登録アカウントの81%)の完全なポスト履歴が含まれており、総投稿数は235万である。
  論文  参考訳（メタデータ） (2024-04-29T16:43:39Z)
• Social Reward: Evaluating and Enhancing Generative AI through Million-User Feedback from an Online Creative Community [63.949893724058846]
  コミュニティ認識の一形態としての社会的報酬は、オンラインプラットフォームのユーザーがコンテンツに関わり、貢献する動機の強い源泉となる。 この作業はパラダイムシフトの先駆者であり、革新的な報酬モデリングフレームワークであるSocial Rewardを発表した。 私たちは、オンラインビジュアル作成と編集プラットフォームであるPicsartから、データセットのキュレーションと洗練の広範な旅に乗り出した。
  論文  参考訳（メタデータ） (2024-02-15T10:56:31Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• Trust and Believe -- Should We? Evaluating the Trustworthiness of Twitter Users [5.695742189917657]
  ソーシャルメディア上のフェイクニュースは、個人と社会の両方に悪影響を及ぼす大きな問題である。 この作業において、私たちは、ソーシャルネットワークコミュニティに信頼を喚起するソリューションを提供したいと考えている。 本モデルでは,Twitter上で5万人の政治家の行動を分析し,評価されたユーザ毎に影響スコアを割り当てる。
  論文  参考訳（メタデータ） (2022-10-27T06:57:19Z)
• A deep dive into the consistently toxic 1% of Twitter [9.669275987983447]
  この調査は、112万のTwitterプロフィールから14年間のツイートと2億2300万以上のツイートをカバーしている。 有害なコンテンツの一貫性の観点から最も極端なプロファイルを選択し、彼らのツイートテキストと、彼らが共有したドメイン、ハッシュタグ、URLを調べました。 その結果、これらのプロファイルはハッシュタグ、URL、ドメインの多様性の低い狭いテーマに保たれており、数学的に互いに似ており、ボットのような振る舞いの可能性が高いことがわかった。
  論文  参考訳（メタデータ） (2022-02-16T04:21:48Z)
• 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)
• SocialVec: Social Entity Embeddings [1.4010916616909745]
  本稿では,ソーシャルワールドの知識をソーシャルネットワークから引き出すためのフレームワークであるSocialVecを紹介する。 Twitterネットワークのサンプルから、約20万の人気のアカウントのソーシャル埋め込みを学びました。 われわれはSocialVecの埋め込みを利用して、Twitterのニュースソースの政治的偏見を誇示している。
  論文  参考訳（メタデータ） (2021-11-05T14:13:01Z)
• SoMin.ai: Personality-Driven Content Generation Platform [60.49416044866648]
  世界初のパーソナリティ駆動型マーケティングコンテンツ生成プラットフォームであるSoMin.aiを紹介します。 このプラットフォームは、ディープ・マルチビュー・パーソナリティ・プロファイリング・フレームワークと、スタイル・ジェネレーティブ・敵ネットワークを組み合わせている。 ソーシャルネットワーキングのユーザエクスペリエンスの向上や、コンテンツマーケティングのルーチンに使用できる。
  論文  参考訳（メタデータ） (2020-11-30T08:33:39Z)
• Privacy-Aware Recommender Systems Challenge on Twitter's Home Timeline [47.434392695347924]
  ACM RecSysが主催するRecSys 2020 Challengeは、このデータセットを使用してTwitterと提携している。 本稿では,ユーザエンゲージメントを予測しようとする研究者や専門家が直面する課題について述べる。
  論文  参考訳（メタデータ） (2020-04-28T23:54:33Z)
• Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
  本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。 議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。 我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
  論文  参考訳（メタデータ） (2020-04-20T20:00:27Z)
• TIES: Temporal Interaction Embeddings For Enhancing Social Media Integrity At Facebook [9.023847175654602]
  本稿では、ログな社会的相互作用を捉え、さらに適切な行動にフラグを立てるための新しい時間的相互作用埋め込みSモデルを提案する。 TIESは、Facebookスケールネットワークにおける教師付き、ディープラーニング、プロダクション準備ができているモデルである。 TIESの現実的な影響を示すために,誤報の拡散防止,偽アカウントの検出,広告支払いリスクの低減など,いくつかの応用を提示する。
  論文  参考訳（メタデータ） (2020-02-18T22:56:40Z)

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。