論文の概要: Unraveling the Web of Disinformation: Exploring the Larger Context of State-Sponsored Influence Campaigns on Twitter
- arxiv url: http://arxiv.org/abs/2407.18098v1
- Date: Thu, 25 Jul 2024 15:03:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-26 13:39:06.790215
- Title: Unraveling the Web of Disinformation: Exploring the Larger Context of State-Sponsored Influence Campaigns on Twitter
- Title（参考訳）: 偽情報のウェブ:Twitter上での国家支援による影響キャンペーンのより大きな文脈を探る
- Authors: Mohammad Hammas Saeed, Shiza Ali, Pujan Paudel, Jeremy Blackburn, Gianluca Stringhini,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 16.64763746842362
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social media platforms offer unprecedented opportunities for connectivity and exchange of ideas; however, they also serve as fertile grounds for the dissemination of disinformation. Over the years, there has been a rise in state-sponsored campaigns aiming to spread disinformation and sway public opinion on sensitive topics through designated accounts, known as troll accounts. Past works on detecting accounts belonging to state-backed operations focus on a single campaign. While campaign-specific detection techniques are easier to build, there is no work done on developing systems that are campaign-agnostic and offer generalized detection of troll accounts unaffected by the biases of the specific campaign they belong to. In this paper, we identify several strategies adopted across different state actors and present a system that leverages them to detect accounts from previously unseen campaigns. We study 19 state-sponsored disinformation campaigns that took place on Twitter, originating from various countries. The strategies include sending automated messages through popular scheduling services, retweeting and sharing selective content and using fake versions of verified applications for pushing content. By translating these traits into a feature set, we build a machine learning-based classifier that can correctly identify up to 94% of accounts from unseen campaigns. Additionally, we run our system in the wild and find more accounts that could potentially belong to state-backed operations. We also present case studies to highlight the similarity between the accounts found by our system and those identified by Twitter.
- Abstract（参考訳）: ソーシャルメディアプラットフォームは、インターネット接続やアイデア交換の先例のない機会を提供するが、情報の拡散の場としても機能する。
長年にわたり、偽情報を広め、トロルアカウントと呼ばれる指定されたアカウントを通じてセンシティブな話題に関する世論を揺るがそうとする国家支援キャンペーンが増えている。
州が支援するオペレーションに属するアカウントの検出に関する過去の作業は、1つのキャンペーンに重点を置いていた。
キャンペーン固有の検出技術は構築が容易だが、キャンペーン非依存で、特定のキャンペーンのバイアスの影響を受けないトロルアカウントの汎用的な検出を提供するシステムの開発は行われていない。
本稿では、異なる州アクターにまたがって採用されている複数の戦略を特定し、それを利用してこれまで見つからなかったキャンペーンからアカウントを検知するシステムを提案する。
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。
この戦略には、一般的なスケジューリングサービスによる自動メッセージの送信、選択されたコンテンツのリツイートと共有、コンテンツプッシュのための検証済みアプリケーションの偽バージョンの使用が含まれる。
これらの特徴を機能セットに翻訳することで、未知の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機械学習ベースの分類器を構築する。
さらに、私たちはシステムを荒野で実行し、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もっと見つけます。
また,本システムで発見されたアカウントとTwitterで発見されたアカウントの類似性を明らかにするケーススタディを提案する。
関連論文リスト
- Unsupervised detection of coordinated fake-follower campaigns on social
media [1.3035246321276739]
本稿では,悪意のあるアカウントの特定のカテゴリを対象とする教師なし検出手法を提案する。
当社のフレームワークは,ソーシャルメディアアカウントの全フォロワーのうち,異常なパターンを識別する。
検出された異常なフォロワー群は複数のアカウントで一貫した行動を示す。
論文 参考訳（メタデータ） (2023-10-31T12:30:29Z) - 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) - 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) - 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) - Misleading Repurposing on Twitter [3.0254442724635173]
本研究は, ミスリーディング再資源化に関する最初の, 大規模研究である。
悪意のあるユーザーは、フォロワーを維持しながらアカウントを新しい目的に利用するために、プロフィール属性の変更などを通じて、ソーシャルメディアアカウントのアイデンティティを変更する。
本稿では,インターネットアーカイブのTwitter Stream Grabから収集したデータに対する教師あり学習を用いて,再利用されたアカウントにフラグを付ける手法と行動の定義を提案する。
論文 参考訳（メタデータ） (2020-10-20T20:19:01Z) - I call BS: Fraud Detection in Crowdfunding Campaigns [3.785123406103386]
チャリティーベースのクラウドファンディング環境への寄付はここ数年増加傾向にある。
我々は、さまざまなクラウドファンディングプラットフォームから収集されたデータを分析し、700件のキャンペーンを詐欺とみなす。
このような不正行為を90.14%の精度と96.01%のAUCで自動的に分類することができる。
論文 参考訳（メタデータ） (2020-06-30T14:38:21Z) - Automatic Detection of Influential Actors in Disinformation Networks [0.0]
本稿では,偽情報物語やネットワーク,影響力あるアクターの検出を自動化するためのエンドツーエンドフレームワークを提案する。
システムは精度96%、リコール79%、PR曲線96%のIOアカウントを検出する。
結果は、米国議会の報告書、調査ジャーナリズム、Twitterが提供するIOデータセットからの、既知のIOアカウントの独立したソースと相関している。
論文 参考訳（メタデータ） (2020-05-21T20:15:51Z)
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。