Analyzing and detecting social spammers with robust features
Notice bibliographique
Résumé
The rapid growth of online social networks has attracted an increasing number of social spammers.Spammers gain profits by posting various content such as rumors and malwares.These behaviors greatly compromise social networks' privacy and security, and endanger the whole network community.In the last few years, researchers have proposed a number of spam detection strategies.However, spammers become harder to be detected as they constantly evolve to evade detection by emulating legitimate users and hiding spam patterns.Many detection methods become ineffective.In this thesis, we aim to design spam detection methods using features that are resilient to evolving spammers.To achieve this goal, we first conduct an in-depth analysis on different properties of user accounts.We study the Twitter accounts and extract four kinds of features: profile-based, content-based, community-based and time-based features.By analyzing evasion techniques used by current spammers, we find that the commonly-used profile and content-based features are not effective enough to uncover cunning spammers.This is because these features can be easily emulated by spammers.To tackle this issue, we investigate the structural properties of Twitter network topologies and propose communitybased features.These community-based features are more robust than profile-based and content-based features due to the fact that community structure is determined by multiple accounts collectively.Compared to a normal user, a spammer is more likely to connect with other spammers.Moreover, we find that spammers often need to fulfill a task in a short period of time to reduce costs.Based on this phenomenon, we design new timebased features to capture spam outbreaks.In addition to effectiveness, we also consider efficiency as another important factor.We select computation-efficient features as potential candidates by comparing the time of feature construction.Our data-driven evaluation demonstrates that our advanced features largely improve the performance of the spam detection system.While achieving an even lower false positive rate, the detection rate increases by 16% and f1 score increases by over 10% when applying our feature set.6 Conclusion and Future Work 6.1 Conclusion . . . . . . . .
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».