論文の概要: On the efficacy of old features for the detection of new bots

• arxiv url: http://arxiv.org/abs/2506.19635v1
• Date: Tue, 24 Jun 2025 13:56:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.659029
• Title: On the efficacy of old features for the detection of new bots
• Title（参考訳）: 新しいボットの検出における古い特徴の有効性について
• Authors: Rocco De Nicola, Marinella Petrocchi, Manuel Pratelli,
• Abstract要約: 我々は、Twitterをベンチマークとして、新しいボットを検出する4つの最先端機能セットのパフォーマンスを比較した。 この結果は、進化したボットを検知するために汎用分類器と低コストで計算可能な会計機能を使用できることを示唆している。
• 参考スコア（独自算出の注目度）: 0.4506099292980221
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: For more than a decade now, academicians and online platform administrators have been studying solutions to the problem of bot detection. Bots are computer algorithms whose use is far from being benign: malicious bots are purposely created to distribute spam, sponsor public characters and, ultimately, induce a bias within the public opinion. To fight the bot invasion on our online ecosystem, several approaches have been implemented, mostly based on (supervised and unsupervised) classifiers, which adopt the most varied account features, from the simplest to the most expensive ones to be extracted from the raw data obtainable through the Twitter public APIs. In this exploratory study, using Twitter as a benchmark, we compare the performances of four state-of-art feature sets in detecting novel bots: one of the output scores of the popular bot detector Botometer, which considers more than 1,000 features of an account to take a decision; two feature sets based on the account profile and timeline; and the information about the Twitter client from which the user tweets. The results of our analysis, conducted on six recently released datasets of Twitter accounts, hint at the possible use of general-purpose classifiers and cheap-to-compute account features for the detection of evolved bots.
• Abstract（参考訳）: 10年以上にわたり、学者やオンラインプラットフォーム管理者は、ボット検出の問題に対する解決策を研究してきた。 悪意のあるボットは、スパムを配布したり、公開キャラクタをスポンサーしたり、最終的には世論に偏見をもたらすために作られている。 当社のオンラインエコシステムにおけるボットの侵入に対抗するために、Twitterの公開APIを通じて取得可能な生データから抽出される最も単純なものから最も高価なものまで、最も多様なアカウント機能を採用する(教師付きおよび教師なしの)分類器に基づいて、いくつかのアプローチが実施されている。 この探索的研究では、Twitterをベンチマークとして、新しいボットを検出するための最先端の4つの機能セットのパフォーマンスを比較した。人気の高いボット検出器Botometerのアウトプットスコアの1つは、アカウントの1000以上の機能を判断する、アカウントプロファイルとタイムラインに基づく2つの機能セット、そしてユーザがツイートするTwitterクライアントに関する情報である。 最近リリースされた6つのTwitterアカウントのデータセットを用いて分析した結果、進化したボットの検出に汎用分類器と低コストで計算可能なアカウント機能の使用の可能性が示唆された。

関連論文リスト

• My Brother Helps Me: Node Injection Based Adversarial Attack on Social Bot Detection [69.99192868521564]
  Twitterのようなソーシャルプラットフォームは、数多くの不正なユーザーから包囲されている。 ソーシャルネットワークの構造のため、ほとんどの手法は攻撃を受けやすいグラフニューラルネットワーク(GNN)に基づいている。 本稿では,ボット検出モデルを欺いたノードインジェクションに基づく逆攻撃手法を提案する。
  論文  参考訳（メタデータ） (2023-10-11T03:09:48Z)
• BotArtist: Generic approach for bot detection in Twitter via semi-automatic machine learning pipeline [47.61306219245444]
  Twitterは、ボットや偽アカウントのターゲットとなり、偽情報や操作の拡散につながった。 本稿では,機械学習モデル開発に関わる課題に対処するために,セミオートマチック機械学習パイプライン(SAMLP)を提案する。 ユーザプロファイル機能に基づいたボット検出モデルBotArtistを開発した。
  論文  参考訳（メタデータ） (2023-05-31T09:12:35Z)
• Should we agree to disagree about Twitter's bot problem? [1.6317061277457]
  ボットに類似した行動、検出方法、検査された人口に対する仮定が、Twitter上でのボットの割合の推定にどのように影響するかを論じる。 当社は、プラットフォームがユーザに影響を与える可能性のある脅威に対処する上で、警戒し、透明性を保ち、バイアスを負わないことの責任を強調しています。
  論文  参考訳（メタデータ） (2022-09-20T21:27:25Z)
• 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)
• BotSpot: Deep Learning Classification of Bot Accounts within Twitter [2.099922236065961]
  Twitterのオープン化機能により、プログラムはTwitter APIを通じてTwitterアカウントを自動生成および制御できる。 ボットとして知られるこれらのアカウントは、ツイート、リツイート、フォロー、フォロー解除、他のアカウントへのダイレクトメッセージなどのアクションを自動的に実行する。 我々は,多層パーセプトロンニューラルネットワークとボットアカウントの9つの特徴を備えた,ディープラーニングを用いた新しいボット検出手法を提案する。
  論文  参考訳（メタデータ） (2021-09-08T15:17:10Z)
• Detection of Novel Social Bots by Ensembles of Specialized Classifiers [60.63582690037839]
  悪意ある俳優は、社会ボットとして知られるアルゴリズムによって部分的に制御される不正なソーシャルメディアアカウントを作成し、誤情報を広め、オンラインでの議論を扇動する。 異なるタイプのボットが、異なる行動特徴によって特徴づけられることを示す。 本稿では,ボットのクラスごとに専門的な分類器を訓練し,それらの決定を最大ルールで組み合わせる,教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-11T22:59:59Z)
• Twitter Bot Detection Using Bidirectional Long Short-term Memory Neural Networks and Word Embeddings [6.09170287691728]
  本稿では,Twitterボットを人間アカウントと区別するために,単語埋め込みを用いたリカレントニューラルネットワークを開発した。 実験により,既存の最先端ボット検出システムと比較して,本手法が競争力を発揮することが示された。
  論文  参考訳（メタデータ） (2020-02-03T17:07:03Z)

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。