Opération Québec : L’utilisation de la théorie de l'association différentielle pour comprendre le processus d'apprentissage du piratage chez les membres d’Anonymous
Notice bibliographique
Résumé
Depuis 2008, Anonymous, un groupe hacktiviste décentralisé et inclusif, a lancé des centaines de campagnes singulières, éphémères et similaires, ciblant principalement les infrastructures en ligne des gouvernements et privilégiant certains types de cyberattaques (Coleman, 2020 ; Steinmetz, 2022). En raison de la normalisation de la sélection des cibles et des cyberattaques, nous avons utilisé la théorie de l’association différentielle pour comprendre si l’association entre pairs facilite le processus d’apprentissage des nouveaux membres d’Anonymous (appelé « Anons ») au cours d’une campagne de piratage. Les données proviennent de conversations sur des forums IRC (« internet relay chats ») durant le Printemps Érable de 2012 au Québec, où Anonymous a piraté différents sites web gouvernementaux. Les résultats indiquent que les techniques de piratage constantes sont dues à l’utilisation de ressources d’apprentissage préétablies, qui assurent l’apprentissage de techniques et de motivations similaires. Les pairs dans ces forums encourageant les nouveaux Anons à pirater le gouvernement en associant une moralité à certaines cibles jugées légitimes et à affiner leurs compétences individuelles, tout en inculquant des valeurs normatives définissant les cibles légitimes et illégitimes. Ces novices sont encouragés à renforcer leur approbation de ces comportements en promouvant les actes d’Anonymous sur les médias sociaux.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».