![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
社交机器人检测
文章平均质量分 89
无脑敲代码,bug漫天飞
这个作者很懒,什么都没留下…
展开
-
论文阅读 - Toward Mitigating Misinformation and Social Media Manipulation in LLM Era
在社交媒体上普遍存在的滥用错误信息影响公众舆论的现象在各个领域都变得越来越明显,其中包括政治领域(如总统选举)和医疗保健领域(尤其是在最近的 COVID-19 泛舆论事件中)。随着大型语言模型(LLM)的发展,操纵者可以更高效地生成极具说服力的欺骗性内容,这种威胁也变得越来越严重。此外,最近与 LLMs 集成的聊天机器人(如 ChatGPT)也取得了长足进步,能够创建类似人类的交互式社交机器人,这对人类用户和社交媒体平台的社交机器人检测系统都构成了巨大挑战。原创 2024-06-05 11:24:15 · 1048 阅读 · 0 评论 -
论文阅读- Stylometric Detection of AI-Generated Text inTwitter Timelines
预训练语言模型的最新进展为大规模生成类人文本提供了方便的方法。尽管这些生成能力在突破性应用方面具有巨大潜力,但它也可能成为对手生成错误信息的工具。特别是,像推特这样的社交媒体平台非常容易受到人工智能产生的错误信息的影响。一个潜在的威胁场景是当对手劫持了一个可信的用户帐户,并在公司内部使用自然语言生成器来生成错误信息。这种威胁需要在给定用户的推特时间轴上对人工智能生成的推文进行自动检测器。然而,推文本身就很短,因此,原创 2024-05-16 16:38:37 · 1046 阅读 · 1 评论 -
论文阅读 - Anatomy of an AI-powered malicious social botnet
大型语言模型(LLM)在生成跨不同主题的真实文本方面表现出令人印象深刻的能力。人们担心它们可能被用来制作具有欺骗性意图的虚假内容,尽管迄今为止的证据仍然是轶事。本文介绍了一个关于 Twitter 僵尸网络的案例研究,该僵尸网络似乎利用 ChatGPT 来生成类似人类的内容。通过启发式方法,作者识别了1,140 个帐户并通过手动注释对其进行验证。这些帐户形成了密集的虚假角色集群,这些角色表现出类似的行为,包括发布机器生成的内容和窃取的图像,并通过回复和转发相互互动。ChatGPT 生成的内容会。原创 2024-05-15 16:00:04 · 1068 阅读 · 0 评论 -
每周论文4-周三-机器人检测攻击-My Brother Helps Me: Node Injection Based Adversarial Attackon Social Bot Detection
像Twitter这样的社交平台正受到大量欺诈用户的围攻。由于社交网络的结构,大多数方法都是基于图神经网络(GNN),容易受到攻击。在这项研究中,作者提出了一种基于节点注入的对抗攻击方法,旨在欺骗机器人检测模型。值得注意的是,当在目标bot周围添加新bot时,目标bot和新注入的bot都无法被检测到。这种攻击以黑盒方式进行,这意味着与受害者模型相关的任何信息都是未知的。这是第一个通过图节点注入来探索机器人检测弹性的研究作者还开发了一个属性恢复模块,将注入的节点嵌入从图嵌入空间恢复到原始特征空间。原创 2024-03-22 11:40:29 · 717 阅读 · 0 评论 -
每周论文4-周一- MMoE: Robust Spoiler Detection with Multi-modal Information andDomain-aware Mixture-of-Ex
在线电影评论网站对电影的信息和讨论很有价值。然而,大量的剧透评论影响了观影体验,使得剧透检测成为一项重要任务。以往的方法仅仅关注评论的文本内容,忽略了平台中信息的异质性。例如,评论的元数据和相应的用户信息可能是有用的。此外,电影评论的剧透语言倾向于特定类型,从而对现有方法提出了领域泛化的挑战。作者提出MMoE是一种多模态网络,利用多模态信息实现鲁棒剧透检测,并采用Mixtureof-Experts增强领域泛化。MMoE首先分别从用户-电影网络、评论的文本内容和评论的元数据中提取图、文本和元特征。原创 2024-03-18 23:17:17 · 776 阅读 · 0 评论 -
每周论文2-周四-社交网络多智能体工作-Social-network Simulation System withLarge Language Model-Empowered Agents
利用大型语言模型(llm)在感知、推理和行为方面的类人能力,并利用这些特性构建S3系统(简称社交网络仿真系统)。采用微调和提示工程技术来确保代理的行为与社会网络中真实的人的行为密切相关。情感、态度和互动行为。通过赋予系统中的代理感知信息环境和模仿人类行为的能力,观察到人口水平现象的出现,包括信息、态度和情绪的传播。进行了一个评估,包括两个层次的模拟(性别歧视和核能),采用现实世界的社会网络数据。结果显示了良好的准确性。这项工作代表了由基于llm的代理授权的社会网络模拟领域的第一步。原创 2024-03-08 23:20:07 · 1221 阅读 · 2 评论 -
每周论文2-周三-基于LLM的多智能体工作综述-Large Language Model based Multi-Agents: A Survey of Progress and Challenges
由于LLM令人印象深刻的规划和推理能力,它们被用作自主代理来自动完成许多任务。基于LLM的多代理系统在复杂问题解决和世界模拟方面取得了进步。(基于llm的多代理模拟哪些域和环境?(这些代理人是如何被描述的,他们又是如何交流的?(什么机制促进了代理人能力的增长?该文章总结了常用的数据集或基准,以便访问。原创 2024-03-06 23:10:13 · 1347 阅读 · 0 评论 -
每周论文1:What Does the Bot Say? Opportunities and Risks of Large LanguageModels in Social Media Bot
动机:调研最先进的与原模型在社交机器人检测上的机会与危害;方法:设计了基于LLM的机器人检测器,通过利用混合异质专家“mixture-of-hetergeneous-experts”架构去划分和征服何种用户模态信息。说明LLM对检测的危害:探索了LLM操作用户文本和结构信息来避免被检测到的概率。实验:机会:在1000个注释案例上的指令调整产生专业的LLM应用于检测,其性能便优于最新的方法9.1%。危害:LLM指导的操纵策略给现有的机器人检测器带来29.6%的性能下降。原创 2024-02-27 22:30:47 · 1010 阅读 · 0 评论 -
论文阅读 - HOFA: Twitter Bot Detection with Homophily-Oriented Augmentation and Frequency Adaptive Atten
Twitter 机器人检测已成为一项日益重要和具有挑战性的任务,以打击在线虚假信息,促进社会内容审查,并维护社会平台的完整性。虽然现有的基于图表的 Twitter 机器人检测方法取得了最先进的性能,但它们都是基于同质性假设的,即假设拥有相同标签的用户更有可能被连接,这使得 Twitter 机器人很容易通过跟踪大量真实用户来伪装自己。为了解决这个问题,我们提出了 HOFA,一种新的基于图形的 Twitter 机器人检测框架,它使用面向同质性的图形增强模块(Homo-Aug)和。原创 2024-02-06 10:27:58 · 1312 阅读 · 0 评论 -
论文阅读 - Detecting Social Bot on the Fly using Contrastive Learning
社交机器人检测正在成为社会安全领域广泛关注的任务。一直以来,社交机器人检测技术的发展都因缺乏高质量的标注数据而受到阻碍。此外,人工智能生成内容(AIGC)技术的快速发展正在极大地提高社交机器人的创造力。例如,最近发布的ChatGPT[2]可以以74%的概率欺骗最先进的人工智能文本检测方法[3],这给基于内容的机器人检测方法带来了巨大的挑战。为了解决上述缺点,我们提出了一种对比学习驱动的社交机器人检测框架(CBD)。原创 2023-10-31 08:48:02 · 1135 阅读 · 0 评论 -
论文阅读 - DCGNN: Dual-Channel Graph Neural Network for Social Bot Detection
由于社交机器人检测对信息传播的深远影响,其重要性已得到越来越多的认识。现有的方法可以分为特征工程和基于深度学习的方法,它们主要关注静态特征,例如帖子特征和用户档案。然而,现有方法在区分社交机器人和真实用户时往往忽视了爆发现象,即机器人在长时间交互后突然而剧烈的活动或行为。通过综合分析,我们发现突发行为和静态特征在社交机器人检测中都发挥着关键作用。为了捕捉这些特性,提出了双通道 GNN(DCGNN),它由带有自适应通滤波器的突发感知通道和带有低通滤波器的静态感知通道。原创 2023-10-30 21:55:41 · 514 阅读 · 0 评论 -
论文阅读 - Learning Human Interactions with the Influence Model
NIPS'01 早期模型要求知识背景: 似然函数,极大似然估计、HMM、期望最大化我们有兴趣对对话环境中人与人之间的互动进行定量建模。虽然有多种模型可能是合适的,如耦合 HMM,但所有模型都需要大量参数来描述链之间的交互。作为替代方案,我们提出了[1]中开发的生成模型--"影响模型",该模型通过对具有恒定 "影响 "参数的成对转换进行凸组合来参数化隐藏状态转换概率。我们为这一模型开发了一种学习算法,并利用合成数据展示了与其他标准模型相比,该模型建立链式依赖关系模型的能力。原创 2023-10-27 17:55:40 · 949 阅读 · 0 评论 -
论文阅读 - Hidden messages: mapping nations’ media campaigns
几个世纪以来,有权势的行为者一直在进行信息控制,限制、促进或影响信息环境,以适应其不断发展的机构。在数字时代,信息控制已经转移到了网上,信息行动现在瞄准了在新闻参与和公民辩论中发挥关键作用的网络平台。在本文中,我们使用离散时间随机模型来分析在线社交网络中的协调活动,将账户行为表示为相互作用的马尔可夫链。原创 2023-10-26 21:42:14 · 821 阅读 · 0 评论 -
论文阅读 - MetaTroll: Few-shot Detection of State-Sponsored Trolls with Transformer Adapters
国家支持的 "巨魔 "是社交媒体影响力活动的主要参与者,自动检测 "巨魔 "对于大规模打击虚假信息非常重要。现有的巨魔检测模型是基于已知活动(如俄罗斯互联网研究机构对 2016 年美国大选的影响活动)的训练数据开发的,在处理具有新目标的新型活动时存在不足。我们提出的 MetaTroll 是一种基于元学习框架的文本巨魔检测模型,只需使用少量标记样本就能实现高度的可移植性和参数效率,以适应新的活动。原创 2023-10-26 09:38:28 · 161 阅读 · 0 评论 -
论文阅读 - Detecting the Hidden Dynamics of Networked Actors Using Temporal Correlations
WWW'23煽动运动对基于事实的推理构成威胁,侵蚀人们对机构的信任,撕裂我们的社会结构。在 21 世纪,宣传运动迅速发展,以新的网络身份出现。其中许多宣传活动持续不断,资源充足,因此识别和清除它们既困难又昂贵。社交媒体公司主要通过优先控制 "协调的不真实行为 "来应对网络宣传的威胁。这一策略的重点是识别明确以欺骗为目的的精心策划的活动,而不是单个社交媒体账户或帖子。在本文中,我们研究了与俄罗斯政府有关的多年影响力活动在 Twitter 上的足迹。信息模型是一个。原创 2023-10-25 17:02:03 · 120 阅读 · 0 评论 -
论文阅读 - A Large-Scale Longitudinal Multimodal Dataset of State-Backed Information Operations on Twitt
本文提出了一个由28 个子数据集组成的大规模综合数据集,其中包括国家支持的推文和与 14 个不同国家有关的账户,时间跨度超过 3 年(从 2015 年到 2018 年),以及相应的 "负面 "数据集,其中包括同一时期类似主题的背景推文。据我们所知,这是第一个同时包含国家支持的宣传推文和精心收集的相应负面推文数据集的数据集,涉及如此多的国家,时间跨度如此之长。原创 2023-10-25 15:52:47 · 112 阅读 · 0 评论 -
论文阅读 - Coordinated Behavior on Social Media in 2019 UK General Election
协调的在线行为是信息和影响力行动的重要组成部分,因为它们可以更有效地传播虚假信息。大多数关于协同行为的研究都涉及人工调查,而现有的少数计算方法都做了大胆的假设或过度简化了问题,使其具有可操作性。在此,我们提出了一种新的基于网络的框架,用于揭示和研究社交媒体上的协同行为。我们的研究扩展了现有系统,超越了对协调行为和非协调行为的二元分类限制。它可以揭示不同的协调模式,并估计不同社区的协调程度。我们将框架应用于2019 年英国大选期间收集的数据集,检测并描述参与选举辩论的协调社区。我们的工作。原创 2023-10-20 15:52:14 · 748 阅读 · 0 评论 -
论文阅读 - VoterFraud2020: a Multi-modal Dataset of Election Fraud Claims on Twitter
围绕美国 2020 年大选,毫无根据的选举舞弊指控广泛传播,导致人们对选举的信任受到损害,最终导致美国国会大厦内的暴力事件。在这种情况下,了解 Twitter 这个传播这些主张的主要平台上围绕这些主张的讨论至关重要。为此,我们收集并发布了 VoterFraud2020 数据集,这是一个多模态数据集,包含260 万用户的 760 万条推文和 2560 万条转发,与选民欺诈主张相关。为了使这些数据立即可用于各种研究项目,我们根据转发图计算的集群标签、每个用户的暂停状态以及推文图像的感知哈希值进一步增强数据。原创 2023-10-19 22:20:48 · 153 阅读 · 0 评论 -
论文阅读 - Data-driven ideology detection: a case study of far-right extremist
社交媒体是首选渠道,可以让虚假信息叙事以低廉的成本、远程和实时的方式传播到国内和全球受众,并渗透到目标受众的传统信息生态系统中。结果: 我们将我们的方法应用于推特上有关气候变化、COVID-19 和疫苗接种阴谋论的帖子数据集(Kong Q. 等人,2022 年)。我们使用 1496 个被标记为极右派的账户来训练我们的模型。我们的研究提供了一个强有力的框架,可用于识别国家支持的行动者所兜售的特定极端主义意识形态的同情者。我们的方法与领域无关:我们可以快速将其部署到新的讨论领域,而无需进一步的数据注释。原创 2023-10-18 16:39:27 · 162 阅读 · 0 评论 -
Archive Team: The Twitter Stream Grab
从一般 Twitter 流中抓取的 JSON 的简单集合,用于研究、历史、测试和记忆的目的。这是“Spritzer”版本,最轻、最浅的 Twitter 抓取。不幸的是,我们目前无法访问流的洒水器或花园软管版本。从一般 Twitter 流中抓取的 JSON 的简单集合,用于研究、历史、测试和记忆的目的。不幸的是,我们目前无法访问流的洒水器或花园软管版本。来自维基百科:Twitter 是一种在线社交网络服务和微博服务,使用户能够发送和阅读最多 140 个字符的基于文本的消息,称为“推文”。原创 2023-10-17 16:09:41 · 224 阅读 · 0 评论 -
马斯克调整了Twitter API服务方案
企业——承诺提供“满足您和您客户的特定需求的商业级访问”以及“由专门的客户团队提供的托管服务”。没有列出具体价格,但 Platformer 此前报道称,“低成本企业计划”每月的费用可能高达 42,000 美元。基本 - 爱好者每月订阅 100 美元,可以选择每月在用户级别发布 3,000 条推文,或每月在应用程序级别发布 50,000 条推文。阅读限制为 10,000 条推文;免费 — 每月可免费发布 1,500 条推文的纯写访问权限。学术社区只声明:还没有良好的解决方案,不过可以选择以上的替代产品。原创 2023-10-16 09:11:36 · 382 阅读 · 0 评论 -
Twitter 审核研究联盟 - 深入了解 Twitter 上对话的安全性和完整性。
通过 Twitter 审核研究联盟(“TMRC”或“联盟”),Twitter 与全球成员团体共享有关平台审核问题的大规模数据集,其中成员包括来自学术界、民间社会、非政府组织和新闻界的公共利益研究人员,研究平台治理问题。通过该联盟,Twitter 将继续支持我们现有的持续平台操纵活动数据集的披露,其中包含违反我们的平台操纵和垃圾邮件政策而发布的材料。随着时间的推移,我们打算与联盟分享有关其他政策领域的类似综合数据。透明度是我们使命的核心,从一开始就是 Twitter 的重要组成部分。原创 2023-10-13 11:50:47 · 104 阅读 · 0 评论 -
论文阅读:BotFinder: A Novel Framework for Social Bots Detection in Online Social Networks Based
近年来,随着在线社交网络(OSN)的广泛普及,用户数量也呈指数级增长。与此同时,社交机器人(即由程序控制的账户)也在不断增加。OSN 的服务提供商经常使用它们来保持社交网络的活跃。同时,一些社交机器人的注册也是出于恶意目的。有必要检测这些恶意社交机器人,以呈现真实的舆论环境。我们提出的 BotFinder 是一个检测 OSN 中恶意社交机器人的框架。具体来说,它结合了机器学习和图方法,从而可以有效地提取社交机器人的潜在特征。在特征工程方面,我们生成二阶特征,并使用编码方法对具有高卡因度的变量进行编码。原创 2023-09-12 16:00:04 · 470 阅读 · 1 评论 -
论文阅读-A General Language for Modeling Social Media Account Behavior
恶意行为者利用社交媒体抬高股价、影响选举、传播错误信息并煽动不和。为此,他们采用的策略包括使用不真实的帐户和活动。目前检测这些滥用行为的方法依赖于专门针对可疑行为而设计的特征。然而,这些方法的有效性随着恶意行为的发展而减弱。为了应对这一挑战,我们提出了一种用于建模社交媒体帐户行为的通用语言。这种语言中的单词称为 BLOC,由代表用户操作和内容的不同字母表中的符号组成。该语言高度灵活,无需进行大量微调即可用于对各种合法和可疑的在线行为进行建模。原创 2023-09-11 14:29:44 · 761 阅读 · 0 评论 -
论文阅读-Identifying Coordinated Accounts on Social Media through Hidden Influence and Group Behaviours
社交媒体上的虚假信息活动越来越普遍,其中包括从恶意账户为操纵公众舆论而开展的协调活动。现有的检测协调帐户的方法要么对协调行为做出非常严格的假设,要么需要揭露协调组中的部分恶意帐户才能检测其余帐户。为了解决这些缺点,我们提出了一种生成模型 AMDN-HAGE(具有隐藏帐户组估计的注意混合密度网络),它基于时间点过程(TPP)和高斯混合模型(GMM)联合建模帐户活动和隐藏组行为,为了捕捉协调的内在特征,即协调的账户必须强烈影响彼此的活动,并且总体上与正常账户表现出异常。原创 2023-08-12 15:48:58 · 282 阅读 · 0 评论 -
(WWW2023)论文阅读-Detecting Social Media Manipulation in Low-ResourceLanguages
社交媒体被故意用于恶意目的,包括政治操纵和虚假信息。大多数研究都集中在高资源语言上。然而,恶意行为者会跨国家/地区和语言共享内容,包括资源匮乏的语言。在这里,我们调查是否以及在何种程度上可以在低资源语言设置中检测到恶意行为者。我们发现,2016 年美国总统大选后,Twitter 打击干扰行动的一部分是,大量用他加禄语发布的账户被暂停。通过结合文本嵌入和迁移学习,我们的框架可以准确地检测到用他加禄语发布的恶意用户,而无需事先了解该语言的恶意内容或对其进行训练。原创 2023-08-12 10:54:28 · 1567 阅读 · 0 评论 -
论文阅读 - Neutral bots probe political bias on social media
试图遏制滥用行为和错误信息的社交媒体平台被指责存在政治偏见。我们部署中立的社交机器人,它们开始关注 Twitter 上的不同新闻源,并跟踪它们以探究平台机制与用户交互中出现的明显偏见。我们在新闻推送中没有发现强有力或一致的政治偏见证据。尽管如此,美国 Twitter 用户所接触到的新闻和信息在很大程度上取决于他们早期关系的政治倾向。保守派账户的互动偏右,而自由派账户则接触温和的内容,将他们的经验转向政治中间派。党派账户,尤其是保守账户,往往会获得更多关注者并关注更多自动化账户。原创 2023-08-10 17:07:05 · 999 阅读 · 0 评论 -
论文阅读- Uncovering Coordinated Networks on Social Media:Methods and Case Studies
协调一致的活动被用来影响和操纵社交媒体平台及其用户,这是对在线信息自由交换的严峻挑战。无监督,基于网络的方法在这里,我们介绍一种通用的、无监督的基于网络的方法来发现可能协调的帐户组。所提出的方法基于帐户之间共享的任意行为轨迹构建协调网络。检测协调的推特账户我们提供了五个影响力活动的案例研究,其中四个是在美国选举、香港抗议、叙利亚内战和加密货币操纵等不同背景下进行的。在每种情况下,我们都会通过检查 Twitter 帐户的身份、图像、主题标签序列、转发或时间模式。原创 2023-08-03 15:32:12 · 2331 阅读 · 0 评论 -
论文阅读 - Social bot detection in the age of ChatGPT: Challenges and opportunities
我们全面概述了在复杂的基于人工智能的聊天机器人兴起的背景下社交机器人检测的挑战和机遇。通过研究社交机器人检测技术的最新水平和迄今为止更突出的现实世界应用,我们确定了该领域的差距和新兴趋势,重点是解决人工智能生成的对话和行为所带来的独特挑战。我们建议社交机器人检测方面潜在的有前途的机会和研究方向,包括(i)使用生成代理进行合成数据生成、测试和评估;(ii) 需要基于协调和影响的网络和行为特征进行多模式和跨平台检测;;(iii) 将机器人检测扩展到非英语和资源匮乏的语言环境的机会;原创 2023-08-02 21:58:56 · 2300 阅读 · 2 评论 -
论文阅读-Simplistic Collection and Labeling Practices Limit the Utility ofBenchmark Datasets for Twiter
准确的机器人检测对于在线平台的安全性和完整性是必要的。它对于研究机器人在选举中的影响、错误信息的传播和金融市场操纵也至关重要。平台部署基础设施来标记或删除自动帐户,但它们的工具和数据并不公开。因此,公众必须依赖第三方机器人检测。这些工具采用机器学习,通常在现有数据集上实现近乎完美的分类性能,这表明机器人检测准确、可靠,适合下游应用。我们提供的证据表明情况并非如此,并表明高性能归因于数据集收集和标记的限制,而不是工具的复杂性。原创 2023-07-31 19:41:36 · 220 阅读 · 0 评论 -
论文阅读-BotPercent: Estimating Twitter Bot Populations from Groups to Crowds
Twitter机器人检测在打击错误信息、识别恶意在线活动和保护社交媒体话语完整性方面变得越来越重要。虽然现有的机器人检测文献主要集中在识别单个机器人上,但如何估计特定社区和社交网络中机器人的比例仍未得到充分探讨,这对内容版主和日常用户都有很大的影响。在这项工作中,我们提出了社区级机器人检测,这是一种通过估计机器人账户的百分比来估计在线社区恶意干扰数量的新方法。具体来说,我们引入了BotPercent,这是Twitter机器人检测数据集和基于特征、文本和图形的模型的融合,克服了。原创 2023-07-31 17:04:26 · 1859 阅读 · 0 评论 -
社交机器人培育
研究发现,人工智能 (AI) 机器人和 cookie 在种族、宗教、性别和阶级等社会冲突领域自动发布虚假新闻。在此背景下,本文探讨了假新闻是否随着印度特有的社会结构而自动化。该研究收集了印度 2014 年和 2019 年大选期间各政党和政客在互联网上的竞选活动,但仅限于部分 Facebook 个人资料、网站、主题标签和 Twitter 个人资料。政治家和政党在 Twitter、Facebook 和其他网站上形成了在研究设计中收集经验数据的联系点。原创 2023-06-26 21:10:27 · 1942 阅读 · 0 评论 -
Nature Scientific Report- 阅读DNA‑influenced automated behavior detection on twitter through ..
Twitter 是一个著名的微博网站,允许用户使用推文进行互动,到 2021 年第二季度,它的日活跃用户几乎达到 2.06 亿。Twitter 机器人的比例随着它们的受欢迎程度而上升。机器人检测对于打击错误信息和保护在线披露的可信度至关重要。当前的机器人检测方法依赖于 Twitosphere 的拓扑结构,忽略了配置文件之间的异质性。此外,大多数技术都包含监督学习,这在很大程度上取决于大规模训练集。因此,为了克服这些问题,我们提出了一种新颖的基于熵的框架来检测仅利用用户行为的相关机器人。原创 2023-06-19 13:57:09 · 173 阅读 · 0 评论 -
论文阅读——BotMoE: Twitter Bot Detection with Community-Aware Mixtures of Modal-Specific Experts
Twitter 机器人检测已成为打击在线错误信息、减轻选举干扰和遏制恶意宣传的一项重要任务。然而,高级 Twitter 机器人通常试图通过特征操作来模仿真实用户的特征,并伪装自己以适应不同的用户社区,这对现有的 Twitter 机器人检测模型提出了挑战。该论文方法:为此,我们提出了 BotMoE,这是一种 Twitter 机器人检测框架,它联合利用多种用户信息模式(元数据、文本内容、网络结构)来改进对欺骗性机器人的检测。原创 2023-04-24 13:21:33 · 883 阅读 · 0 评论 -
论文阅读——Over-Sampling Strategy in Feature Space for Graphs-based Class-imbalanced Bot Detection
论文阅读——Over-Sampling Strategy in Feature Space for Graphs-based Class-imbalanced Bot Detection原创 2023-03-12 21:39:50 · 575 阅读 · 1 评论 -
论文阅读-MGTAB: A Multi-Relational Graph-Based Twitter Account DetectionBenchmark
社交媒体用户立场检测和机器人检测方法的发展严重依赖于大规模和高质量的基准。gap:然而,除了注释质量低之外,现有基准通常具有不完整的用户关系,抑制了基于图的帐户检测研究。方案:为了解决这些问题,我们提出了一个基于多关系图的 Twitter 帐户检测基准 (MGTAB),这是第一个用于帐户检测的基于图的标准化基准。据我们所知,MGTAB 是基于该领域最大的原始数据构建的,拥有超过 155 万用户和 1.3 亿条推文。MGTAB 包含10,199 个专家标注用户和。原创 2023-03-10 16:44:50 · 1264 阅读 · 0 评论 -
论文阅读-Fake news spreader detection using trust‑based strategies in social networks with bot filtratio
论文阅读-Fake news spreader detection using trust‑based strategies in social networks with bot filtration原创 2023-02-05 13:32:21 · 452 阅读 · 1 评论 -
论文阅读 - DeepSBD: A Deep Neural Network Model with Attention Mechanism for Social Bot Detection - CCFA
论文阅读 - DeepSBD: A Deep Neural Network Model with Attention Mechanism for Social Bot Detection - CCFA原创 2022-12-25 18:59:51 · 788 阅读 · 1 评论 -
论文阅读 - On the efficacy of old features for the detection of new bots - CCF B
论文阅读 - On the efficacy of old features for the detection of new bots - CCF B原创 2022-12-22 13:15:00 · 787 阅读 · 0 评论 -
论文阅读 - Posting Bot Detection on Blockchain-based Social Media Platform using MachineLearning - CCF B
论文阅读 - Posting Bot Detection on Blockchain-based Social Media Platform using MachineLearning - CCF B原创 2022-12-18 18:11:01 · 344 阅读 · 0 评论