行为变化：识别社交媒体操纵的信号
社会与信息网络
2026-03-04 v1
摘要
从事线上操纵的社交媒体账户可能会改变其行为以进行再定位或规避检测。现有的检测系统基于的特征并未利用此类行为模式。我们研究行为变化在识别自动化或协调账户方面的潜在作用。首先，我们使用Behavioral Languages for Online Characterization（BLOC）将社交媒体账户的行为表示为符号序列，这些符号代表账户的动作和内容。其次，我们对账户的BLOC字符串进行分段，并测量连续分段之间的变化。其次，我们将账户表示为捕获行为变化值分布的特征向量。最后，使用所得特征训练和测试受监督的分类器。我们将该方法应用于两种检测任务：自动化行为（社交机器人）和协调性不实行为（信息操作）。我们的结果表明，真实账户的行为变化分布倾向于保持一致，而社交机器人表现出极低或极高的行为变化。协调性不实账户在同一活动内表现出高度相似的行为变化分布，但在不同活动之间呈现多样性。这些模式使我们的分类器在两种任务中都能实现良好的准确率，证明了行为变化作为识别线上操纵的有效信号。
引用
@article{arxiv.2603.03128,
title = {Behavior Change as a Signal for Identifying Social Media Manipulation},
author = {Isuru Ariyarathne and Gangani Ariyarathne and Alessandro Flammini and Filippo Menczer and Alexander C. Nwala},
journal= {arXiv preprint arXiv:2603.03128},
year = {2026}
}
备注
This is a research paper accepted to the 18th ACM Web Science Conference 2026