宁可谨慎勿后悔：一种改进社交机器人检测的对抗方法

垃圾机器人（spambot）与垃圾机器人检测器的军备竞赛由若干循环（或代）构成：新一波垃圾机器人被创建（新垃圾被传播），新的垃圾机器人过滤器被导出，旧垃圾机器人突变（或演化）为新物种。近来，随着对抗学习的扩散，一种新实践正在浮现：刻意操纵目标样本以构建更强的检测模型。此处，我们操纵 Twitter 社交机器人的各代，以获取并研究其可能的未来演化，旨在最终导出更有效的检测技术。具体而言，我们提出并实验了一种用于合成在线账户的新型遗传算法。该算法允许创建当前最先进社交机器人的合成演化版本。结果表明合成机器人确实逃过了当前检测技术。然而，它们给出了改进此类技术所需的全部要素，使社交机器人检测系统的主动式设计成为可能。