Algoritmo revolucionário de aprendizado de máquina detecta identidades falsas em mídias sociais

• Pesquisadores desenvolvem um novo método, baseado em técnica de aprendizado de máquina, para identificar usuários falsos em plataformas de mídia social. 
• O algoritmo baseia-se na suposição de que usuários falsos tendem a criar links inadequados para outros usuários. 
• Os resultados mostram que o algoritmo é capaz de detectar usuários genuínos e mal-intencionados. 

A identificação de usuários falsos tornou-se a primeira prioridade para as empresas de redes sociais, especialmente após o uso direcionado de sites sociais pela Rússia para influenciar as eleições nos EUA e a falha na proteção da privacidade dos usuários.

Agora, pesquisadores da Universidade de Washington e da Universidade do Negev construíram um novo algoritmo genérico de aprendizagem não supervisionada para localizar usuários falsos em plataformas de redes sociais como Twitter e Facebook.

O novo algoritmo se baseia na previsão de que usuários falsos tendem a criar links inadequados para outros usuários nas redes. Os pesquisadores incorporaram um método de previsão de link em um modelo de detecção de anomalias que não requer nenhum conhecimento prévio de gráfico.

Como funciona o algoritmo?

A topologia gráfica tem sido utilizada para construir um novo método genérico para detecção de vértices anômalos em redes grandes e complexas. O algoritmo tem duas iterações principais baseadas em técnicas de aprendizado de máquina.

1. Crie um classificador de previsão de link para estimar a probabilidade de link entre dois usuários.
2. Crie um novo conjunto de meta-recursos, com base nos recursos gerados pelo classificador de previsão de link.



Os pesquisadores propuseram 7 novos recursos que deveriam ser preditores eficazes para a detecção de anomalias. Para determinar quais dos novos recursos têm mais influência, eles examinaram sua importância usando o algoritmo de seleção de atributos de ganho de informação do Weka.

Referência:SpringerLink | doi:10.1007/s13278-018-0503-4 | BGU

Em seguida, eles conduziram uma extensa avaliação experimental em 3 tipos de redes complexas – redes do mundo real com vértices anômalos rotulados, redes do mundo real com vértices anômalos simulados e redes totalmente simuladas.

Falando em conjuntos de dados, eles usaram 10 redes diferentes, incluindo Flixster10, Dblp8, Yelp, Academia.edu, ArXiv5 e Twitter.

Os vértices vermelhos mostram vértices anômalos e as arestas vermelhas têm as menores probabilidades de serem falsas

Os resultados mostram que o algoritmo é capaz de detectar tanto pessoas genuínas quanto usuários mal-intencionados em redes reais, incluindo o Twitter. Superou outras técnicas de detecção de anomalias e, segundo os desenvolvedores, tem potencial para inúmeras aplicações, principalmente na área de segurança cibernética.

O que vem a seguir?

Os desenvolvedores planejam examinar o algoritmo para outros tipos de redes, como gráficos ponderados e bipartidos. Eles também estudarão o que acontece com as propriedades da rede quando arestas e vértices aleatórios são unidos.

Eles mostrarão ainda como o mesmo algoritmo pode ser usado para detectar contas sequestradas em plataformas sociais. Além disso, poderia ser interessante ver que escala de ataque Sybil exigiria ser implementada para que não fosse mais possível diferenciar entre vértices reais e falsos.

Leia:22 ferramentas gratuitas de análise de redes sociais

Por enquanto, os pesquisadores publicaram todos os códigos e dados on-line, incluindo os conjuntos de dados do mundo real contendo identificações falsas rotuladas. Qualquer pessoa pode usá-lo como uma estrutura aberta, aprimorar futuros métodos de detecção de anomalias de vértices e comparar seus resultados.