論文の概要: Detecting and Understanding the Promotion of Illicit Goods and Services on Twitter

• arxiv url: http://arxiv.org/abs/2404.07797v3
• Date: Sun, 02 Feb 2025 04:44:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-04 16:02:52.736102
• Title: Detecting and Understanding the Promotion of Illicit Goods and Services on Twitter
• Title（参考訳）: Twitterにおける不適切な商品・サービスの発見と理解
• Authors: Hongyu Wang, Ying Li, Ronghong Huang, Xianghang Mi,
• Abstract要約: この研究は、ポスト・オブ・イリシット・プロモーション(PIP)を検知・解析する複数の機械学習ツールによって実現されている。 PIPがTwitter上で普及しているのを観察し、YouTube、Facebook、TikTokを含む他の3つの人気のあるOSNを広範囲に可視化した。 例えば、当社のPIPハンターをTwitterプラットフォームに6ヶ月間適用することで、1200万の異なるPIPが発見されました。
• 参考スコア（独自算出の注目度）: 8.781863777078387
• License:
• Abstract: In this study, we reveal, for the first time, popular online social networks (especially Twitter) are being extensively abused by miscreants to promote illicit goods and services of diverse categories. This study is made possible by multiple machine learning tools that are designed to detect and analyze Posts of Illicit Promotion (PIPs) as well as revealing their underlying promotion campaigns. Particularly, we observe that PIPs are prevalent on Twitter, along with extensive visibility on other three popular OSNs including YouTube, Facebook, and TikTok. For instance, applying our PIP hunter to the Twitter platform for 6 months has led to the discovery of 12 million distinct PIPs which are widely distributed in 5 major natural languages and 10 illicit categories, e.g., drugs, data leakage, gambling, and weapon sales. Along the discovery of PIPs are 580K Twitter accounts publishing PIPs as well as 37K distinct instant messaging accounts that are embedded in PIPs and serve as next hops of communication with prospective customers. Also, an arms race between Twitter and illicit promotion operators is also observed. Especially, 90% PIPs can survice the first two months since getting published on Twitter, which is likely due to the diverse evasion tactics adopted by miscreants to masquerade PIPs.
• Abstract（参考訳）: 本研究では,一般のオンラインソーシャルネットワーク(特にTwitter)が,様々なカテゴリーの不正な商品やサービスを宣伝するために,悪用されていることを初めて明らかにした。 この研究は、PIP(Posts of Illicit promoted)の検出と分析、およびその基盤となるプロモーションキャンペーンを明らかにするために設計された、複数の機械学習ツールによって実現されている。 特に、Twitter上ではPIPが普及しており、YouTube、Facebook、TikTokなど、他の3つの人気OSNも広く可視化されています。 例えば、当社のPIPハンターをTwitterプラットフォームに6ヶ月間適用することで、主要な5つの自然言語と10の違法カテゴリ、例えば薬物、データ漏洩、ギャンブル、武器販売に広く分布する1200万の異なるPIPが発見されました。 PIPの発見と同時に、580万のTwitterアカウントがPIPを公開し、37万のインスタントメッセージングアカウントがPIPに埋め込まれ、将来的な顧客とのコミュニケーションの次のホップとして機能している。 また、Twitterと不正なプロモーションオペレーターとの武器競争も観察されている。 特に、9割のPIPがTwitter上で公開されてから最初の2ヶ月で停止する可能性がある。

関連論文リスト

• Unraveling the Web of Disinformation: Exploring the Larger Context of State-Sponsored Influence Campaigns on Twitter [16.64763746842362]
  我々は、様々な国を起源とする19の国が支援する偽情報キャンペーンをTwitterで調査した。 私たちは機械学習ベースの分類器を構築し、目に見えないキャンペーンから最大94%のアカウントを正しく識別できる。 また、当社のシステムを野放しにして、州が支援するオペレーションに属する可能性のあるアカウントを増やしています。
  論文  参考訳（メタデータ） (2024-07-25T15:03:33Z)
• Russo-Ukrainian War: Prediction and explanation of Twitter suspension [47.61306219245444]
  本研究は、Twitterのサスペンション機構と、これにつながる可能性のあるユーザアカウントの共有コンテンツと機能の分析に焦点を当てる。 Twitter APIを使って、980万人のユーザーから生まれた107.7万のツイートを含むデータセットを入手しました。 この結果から、Bitcoin詐欺、スパム、広告キャンペーンに対するロシアとウクライナの紛争に関するトレンドを生かした詐欺キャンペーンが明らかになった。
  論文  参考訳（メタデータ） (2023-06-06T08:41:02Z)
• 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)
• 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)
• 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)
• BERT based classification system for detecting rumours on Twitter [3.2872586139884623]
  従来の特徴抽出手法ではなく,Twitter上での噂を識別する手法を提案する。 BERTを用いた文埋め込みを用いて、ツイートの文脈的意味に応じて、各ツイートの文をベクターに表現する。 BERTをベースとしたモデルでは,従来の手法に比べて約10%精度が向上した。
  論文  参考訳（メタデータ） (2021-09-07T10:15:54Z)
• 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)
• Whose Tweets are Surveilled for the Police: An Audit of Social-Media Monitoring Tool via Log Files [69.02688684221265]
  我々はCorvallis (Oregon) Police DepartmentによるDigitalStakeoutというソーシャルメディア監視ソフトウェアの使用からログファイルを入手した。 これらのログファイルには、DigitalStakeoutによるプロプライエタリな検索の結果が含まれている。 ツイートがDigitalStakeoutによってフラグ付けされているユーザーの人口統計と、地域のTwitterユーザーの人口統計との差異を観察する。
  論文  参考訳（メタデータ） (2020-01-23T19:35:12Z)

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。