論文の概要: ALETHEIA: Combating Social Media Influence Campaigns with Graph Neural Networks

• arxiv url: http://arxiv.org/abs/2512.21391v1
• Date: Wed, 24 Dec 2025 19:17:59 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 12:03:21.817225
• Title: ALETHEIA: Combating Social Media Influence Campaigns with Graph Neural Networks
• Title（参考訳）: ALETHEIA: グラフニューラルネットワークによるソーシャルメディア影響キャンペーンの議論
• Authors: Mohammad Hammas Saeed, Isaiah J. King, Howie Huang,
• Abstract要約: 本稿では,悪質なアカウント(またはトロルアカウント)の検出を形式化するシステムであるALETHEIAを提案する。 我々は、さまざまな国のRedditとXのインフルエンサーキャンペーンを分析した。 ALETHEIAは、最先端のグラフニューラルネットワーク(GNN)を使用して、大規模ネットワークにスケール可能な悪意のあるユーザを検出する。
• 参考スコア（独自算出の注目度）: 1.4874091977063157
• License:
• Abstract: Influence campaigns are a growing concern in the online spaces. Policymakers, moderators and researchers have taken various routes to fight these campaigns and make online systems safer for regular users. To this end, our paper presents ALETHEIA, a system that formalizes the detection of malicious accounts (or troll accounts) used in such operations and forecasts their behaviors within social media networks. We analyze influence campaigns on Reddit and X from different countries and highlight that detection pipelines built over a graph-based representation of campaigns using a mix of topological and linguistic features offer improvement over standard interaction and user features. ALETHEIA uses state-of-the-art Graph Neural Networks (GNNs) for detecting malicious users that can scale to large networks and achieve a 3.7% F1-score improvement over standard classification with interaction features in prior work. Furthermore, ALETHEIA employs a first temporal link prediction mechanism built for influence campaigns by stacking a GNN over a Recurrent Neural Network (RNN), which can predict future troll interactions towards other trolls and regular users with an average AUC of 96.6%. ALETHEIA predicts troll-to-troll edges (TTE) and troll-to-user edges (TUE), which can help identify regular users being affected by malicious influence efforts. Overall, our results highlight the importance of utilizing the networked nature of influence operations (i.e., structural information) when predicting and detecting malicious coordinated activity in online spaces.
• Abstract（参考訳）: インフルエンサーキャンペーンは、オンライン空間における関心が高まっている。 政策立案者、モデレーター、研究者は、これらのキャンペーンに対抗し、通常のユーザーにとってより安全なオンラインシステムを実現するために、様々なルートを採っている。 そこで本稿では,このような操作に使用される悪意あるアカウント(あるいはトロルアカウント)の検出を形式化し,ソーシャルメディア内での行動を予測するシステムであるALETHEIAを提案する。 我々は、さまざまな国のRedditとXにおける影響キャンペーンを分析し、トポロジカルな特徴と言語的な特徴を組み合わせて、グラフベースのキャンペーン表現の上に構築された検出パイプラインが、標準のインタラクションとユーザ機能よりも改善する、と強調する。 ALETHEIAは最先端のグラフニューラルネットワーク(GNN)を使用して、大規模ネットワークにスケール可能な悪意のあるユーザを検出し、以前の作業におけるインタラクション機能との標準分類よりも3.7%のF1スコアの改善を実現している。 さらに、ALETHEIAは、GNNをリカレントニューラルネットワーク(RNN)上に重ねることで、影響キャンペーンのために構築された最初の時間的リンク予測機構を採用しており、これは、平均96.6%のAUCを持つ他のトロルやレギュラーユーザーに対する将来のトロル相互作用を予測することができる。 ALETHEIAは、TTE(Troll-to-Troll edge)とTUE(Troll-to-user edge)を予測する。 全体として、オンライン空間における悪意ある協調活動の予測・検出において、ネットワーク化された影響操作(構造情報)を活用することの重要性を強調した。

関連論文リスト

• Traits of a Leader: User Influence Level Prediction through Sociolinguistic Modeling [8.890331069484203]
  本研究では,人口統計と人格データを活用することで,ベースラインを大幅に上回るモデルを構築した。 このアプローチは、8つの異なるドメインのランクDCGスコアを一貫して改善する。
  論文  参考訳（メタデータ） (2025-01-05T22:37:19Z)
• Influence Maximization via Graph Neural Bandits [54.45552721334886]
  IM問題を多ラウンド拡散キャンペーンに設定し,影響を受けやすいユーザ数を最大化することを目的とした。 IM-GNB(Influence Maximization with Graph Neural Bandits)を提案する。
  論文  参考訳（メタデータ） (2024-06-18T17:54:33Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Domain-based user embedding for competing events on social media [4.984601297028257]
  本稿では,URLドメイン共起ネットワークに基づくユーザ埋め込み手法を提案する。 このアプローチは、政治的キャンペーンや公衆衛生危機などの競合イベントに関わるソーシャルメディア利用者を効果的に表現する。
  論文  参考訳（メタデータ） (2023-08-28T18:01:14Z)
• Influencer Detection with Dynamic Graph Neural Networks [56.1837101824783]
  インフルエンサー検出のための動的グラフニューラルネットワーク(GNN)の構成について検討する。 GNNにおける深層多面的注意と時間特性の符号化が性能を著しく向上させることを示す。
  論文  参考訳（メタデータ） (2022-11-15T13:00:25Z)
• Fraudulent User Detection Via Behavior Information Aggregation Network (BIAN) On Large-Scale Financial Social Network [8.687460943376605]
  本稿では,ユーザ行動と他のユーザ機能を組み合わせた行動情報集約ネットワーク(BIAN)を提案する。 実世界の大規模金融ソーシャルネットワークデータセットであるDGraphの実験結果は、BIANがAUROCの10.2%の利益を得ていることを示している。
  論文  参考訳（メタデータ） (2022-11-04T08:33:06Z)
• Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
  プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。 特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。 ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
  論文  参考訳（メタデータ） (2022-09-04T06:22:37Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• A Survey on Computational Propaganda Detection [31.42480765785039]
  プロパガンダのキャンペーンは、特定の議題を進めるために人々のマインドセットに影響を与えることを目的としている。 インターネットの匿名性、ソーシャルネットワークのマイクロプロファイリング能力、およびアカウントの協調ネットワークの自動作成と管理を容易にする。
  論文  参考訳（メタデータ） (2020-07-15T22:25:51Z)

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。