Bot-Match：基于递归最近邻搜索的社交机器人检测
社会与信息网络
2020-07-16 v1 机器学习
摘要
社交机器人在过去十年中出现，最初造成骚扰，而近来被用于恐吓记者、左右选举事件并加剧既有社会裂痕。这一社会威胁催生了机器人检测算法竞赛，其中检测算法不断演进以试图跟上日益复杂的机器人账号。这一猫鼠循环暴露了有监督机器学习的局限，研究者试图用昨日数据预测明日机器人。这一鸿沟意味着研究者、记者与分析人员每日识别出最先进有监督机器人检测算法未能检出的恶意机器人账号。这些分析人员常希望在不标注/训练新模型的情况下找到相似机器人账号，其中相似性可由内容、网络位置或二者共同定义。基于相似性的算法可补充现有有监督与无监督方法并填补该鸿沟。为此，我们提出Bot-Match方法，其中我们评估使得半监督递归最近邻搜索能够给定一个或多个种子账号映射新兴社交网络安全威胁的社交媒体嵌入表示。
引用
@article{arxiv.2007.07636,
title = {Bot-Match: Social Bot Detection with Recursive Nearest Neighbors Search},
author = {David M. Beskow and Kathleen M. Carley},
journal= {arXiv preprint arXiv:2007.07636},
year = {2020}
}