Opération Québec : L’utilisation de la théorie de l'association différentielle pour comprendre le processus d'apprentissage du piratage chez les membres d’Anonymous
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".