Editor Top
Descripción general del algoritmo. A Después de construir la red bipartita, creamos un predictor de enlaces basado en sus características topológicas y predecimos la existencia de los bordes. B Para cada vértice que representa a la comunidad, agregamos las probabilidades predichas en metacaracterísticas, por ejemplo, promediándolas. C Los clasificamos por metacaracterísticas. D Buscamos las comunidades originales correspondientes y las examinamos manualmente. Crédito: Letras de procesamiento neuronal (2023). DOI: 10.1007/s11063-022-11103-1
Los usuarios maliciosos o ficticios en las redes de Internet se han convertido en la ruina de la existencia de Internet. Si bien muchos lamentan su creciente frecuencia, pocos han desarrollado métodos para rastrearlos y exponerlos. Un investigador de la Universidad Ben-Gurion del Negev ha desarrollado un nuevo método para detectar grupos de usuarios anómalos.
Sus hallazgos fueron publicados recientemente en Letras de procesamiento neuronal.
«La ventaja de este estudio es que podemos detectar grupos anómalos de usuarios (como grupos de perfiles falsos) en lugar de usuarios individuales. Descubrir grupos de perfiles falsos es una tarea desafiante y menos explorada», dice el Dr. Michael Fire, jefe de el Data4Good Lab y miembro del Departamento de Ingeniería de Software y Sistemas de Información.
Una comunidad de usuarios anómala podría ser una que promueva un comportamiento violento o extremista, una que esté difundiendo noticias falsas, pero también podría ayudar a localizar puntos calientes durante las pandemias, escribieron los investigadores.
Una de las ventajas de su método, al que llamaron Algoritmo de detección de comunidades anómalas genéricas basado en co-pertenencia (CMMAC), es que no está restringido a un solo tipo de red.
«Nuestro método es genérico. Por lo tanto, puede funcionar potencialmente en diferentes tipos de plataformas de redes sociales. Lo probamos en varios tipos diferentes de redes, como Reddit y Wikipedia (que también es un tipo de red social)», explica el Dr. Fuego.
Después de probar su método en redes generadas aleatoriamente y redes del mundo real, descubrieron que superó a muchos otros métodos en una variedad de entornos.
«Nuestro método se basa únicamente en las propiedades estructurales de la red. Eso hace que nuestro método sea independiente de los atributos de los vértices (las conexiones entre los usuarios en línea). Por lo tanto, es independiente del dominio. Al comparar nuestro algoritmo con otros algoritmos, se desempeñó mejor en la simulación. y datos del mundo real en muchos casos. Detectó con éxito grupos de comunidades de usuarios anómalos que presentaban una actividad en línea peculiar», dice el Dr. Fire.
Investigadores adicionales incluyen a Shay Lapid, estudiante de maestría, y Dima Kagan, Ph.D. estudiante, en el laboratorio del Dr. Fire.
Shay Lapid et al, Detección de comunidades anómalas genéricas basadas en la co-membresía, Letras de procesamiento neuronal (2023). DOI: 10.1007/s11063-022-11103-1
Citación: Método pionero de un investigador cibernético para rastrear grupos de usuarios anómalos (9 de enero de 2023) recuperado el 9 de enero de 2023 de https://techxplore.com/news/2023-01-cyber-method-track-groups-anomalous.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.
