論文の概要: Characterizing and Detecting Propaganda-Spreading Accounts on Telegram
- arxiv url: http://arxiv.org/abs/2406.08084v1
- Date: Wed, 12 Jun 2024 11:07:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-13 17:24:58.025630
- Title: Characterizing and Detecting Propaganda-Spreading Accounts on Telegram
- Title（参考訳）: テレグラムによるプロパガンダ・スプレッドアカウントの特定と検出
- Authors: Klim Kireev, Yevhen Mykhno, Carmela Troncoso, Rebekah Overdorf,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 7.759087666892532
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Information-based attacks on social media, such as disinformation campaigns and propaganda, are emerging cybersecurity threats. The security community has focused on countering these threats on social media platforms like X and Reddit. However, they also appear in instant-messaging social media platforms such as WhatsApp, Telegram, and Signal. In these platforms information-based attacks primarily happen in groups and channels, requiring manual moderation efforts by channel administrators. We collect, label, and analyze a large dataset of more than 17 million Telegram comments and messages. Our analysis uncovers two independent, coordinated networks that spread pro-Russian and pro-Ukrainian propaganda, garnering replies from real users. We propose a novel mechanism for detecting propaganda that capitalizes on the relationship between legitimate user messages and propaganda replies and is tailored to the information that Telegram makes available to moderators. Our method is faster, cheaper, and has a detection rate (97.6%) 11.6 percentage points higher than human moderators after seeing only one message from an account. It remains effective despite evolving propaganda.
- Abstract（参考訳）: 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。
セキュリティコミュニティは、XやRedditのようなソーシャルメディアプラットフォームに対する脅威に対抗することに重点を置いている。
しかし、WhatsApp、Telegram、Signalといったインスタントメッセージのソーシャルメディアプラットフォームにも表示される。
これらのプラットフォームでは、情報ベースの攻撃は主にグループやチャネルで行われ、チャネル管理者が手動で調整する必要がある。
私たちは1700万以上のTelegramコメントとメッセージの大規模なデータセットを収集し、ラベル付けし、分析します。
我々の分析では、ロシアのプロパガンダとウクライナのプロパガンダを拡散する2つの独立した協調ネットワークを発見し、実際のユーザーからの返信を収集した。
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利用して,Telegramがモデレーターに提供している情報に合わせ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。
プロパガンダの進化にもかかわらず効果がある。
関連論文リスト
- Analyzing the Strategy of Propaganda using Inverse Reinforcement
Learning: Evidence from the 2022 Russian Invasion of Ukraine [21.563820572163337]
2022年のロシアによるウクライナ侵攻には、ソーシャルメディア上での大規模なプロパガンダキャンペーンが伴っていた。
ここでは,Twitterコミュニティの戦略を逆強化学習手法を用いて分析する。
ボットは、主に侵略的メッセージに反応し、反対者を示すメッセージは、主に人間からの反応を誘発する。
論文 参考訳（メタデータ） (2023-07-24T13:35:18Z) - 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) - Partial Mobilization: Tracking Multilingual Information Flows Amongst Russian Media Outlets and Telegram [5.161088104035108]
我々は、2022年を通して、ロシアの16のメディアが732のTelegramチャンネルとどのように対話し、利用したかを調査した。
我々は、ニュースメディアがTelegramを通じて既存の物語を広めるだけでなく、メッセージプラットフォームから資料を発信していることを示す。
例えば、我々の研究のウェブサイト全体では、2.3%(ura.news)から26.7%(ukraina.ru)までの記事がTelegram上での活動から生まれたり反したりした内容について論じている。
論文 参考訳（メタデータ） (2023-01-25T22:27:40Z) - Automated multilingual detection of Pro-Kremlin propaganda in newspapers
and Telegram posts [5.886782001771578]
ロシア連邦とウクライナの大規模な紛争は、前例のない量のニュース記事やソーシャルメディアデータを生み出した。
本研究は、ウクライナ語、ロシア語、ルーマニア語、英語のニュース記事やテレグラムのニュースチャンネルを用いて、戦初月にメディアが世論にどう影響し、どのように反映したかを分析した。
我々はトランスフォーマーと言語特徴に基づく多言語自動プロパガンダ識別の2つの手法を提案し,比較する。
論文 参考訳（メタデータ） (2023-01-25T14:25:37Z) - 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) - The Spread of Propaganda by Coordinated Communities on Social Media [43.2770127582382]
我々は、2019年イギリス総選挙に関する大規模なTwitterデータセット上で、プロパガンダの拡散とその協調行動との相互作用を分析する。
プロパガンダの利用と協調行動を組み合わせることで、異なるコミュニティの真正性と有害性を明らかにすることができる。
論文 参考訳（メタデータ） (2021-09-27T13:39:10Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。
本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
論文 参考訳（メタデータ） (2020-11-13T10:19:13Z) - Russian trolls speaking Russian: Regional Twitter operations and MH17 [68.8204255655161]
2018年、Twitterはロシアのトロルとして特定されたアカウントのデータを公開した。
我々はこれらのトロルのロシア語操作を分析する。
MH17の事故に関するトロルズの情報キャンペーンは、ツイート数で最大のものだった。
論文 参考訳（メタデータ） (2020-05-13T19:48:12Z)
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。