В соответствии с новому изучению Social Network Analysis and Mining, новый метод основан на предположении, что фальшивые учетные записи имеют тенденцию устанавливать немыслимые связи с другими пользователями в сетях.«В связи с недавними тревожными новостями о неспособности обезопасисть конфиденциальность пользователей и целевом применении социальных сетей в РФ для оказания влияния на выборы, искоренение фальшивых пользователей никогда не было такой важной задачей», — растолковывает Дима Каган, ведущий исследователь и исследователь отдела BGU Разработка информационных программного обеспечения и систем. «Мы протестировали отечественный способ на смоделированных и настоящих наборах данных в 10 различных соцсетях, и он замечательно показал себя в обеих».Способ складывается из двух основных итераций, основанных на способах машинного обучения.
Первый формирует классификатор предсказания связи, что может с высокой точностью оценить возможность наличия связи между двумя пользователями. Вторая итерация генерирует новый набор мета-функций на базе функций, созданных классификатором прогнозирования ссылок. Наконец, исследователи использовали эти мета-функции и создали неспециализированный классификатор, что может обнаруживать поддельные профили в различных соцсетях.«В целом, результаты показали, что в настоящем сценарии дружбы мы можем отыскать людей, каковые имеют самые крепкие дружеские узы, и преступников, помимо этого в Твиттере», — говорят исследователи. «Отечественный метод превосходит другие методы обнаружения аномалий, и мы считаем, что он имеет громадной потенциал для многих приложений, в особенности в сфере кибербезопасности».
Исследователи из Университета Бен-Гуриона ранее создали Social Privacy Protector (SPP), чтобы оказать помощь пользователям оценить список собственных друзей за секунды, чтобы узнать, какие конкретно конкретно из них имеют мало обоюдных ссылок и смогут быть «поддельными» профилями.