社交网络中的机器人检测及其影响评估
社会与信息网络
2020-12-17 v5 物理与社会
应用统计
摘要
在线社交网络常受到恶意行为者通过称为机器人(bots)的自动化账号所实施的影响活动。我们考虑在在线社交网络中检测机器人并评估其对个体观点影响的问题。我们首先分析机器人在社交网络中的行为,识别出它们表现出异配性(heterophily),即它们与人类的交互多于与其他机器人的交互。我们利用该性质开发了基于统计物理中 Ising 模型的检测算法。机器人通过求解最小割问题来识别。我们表明,该 Ising 模型算法能以比其他最先进方法高得多的准确率识别机器人,同时所用数据量少得多。我们随后开发了一个称为广义调和影响中心性(generalized harmonic influence centrality)的函数,用于估计机器人在社交网络中对用户观点的影响。该函数基于广义观点动力学模型,并刻画了机器人的活跃度与网络连接性如何改变均衡观点。为将广义调和影响中心性应用于真实社交网络,我们开发了一个深度神经网络,基于用户的社交网络发帖来度量其观点。利用该神经网络,我们计算了多个真实社交网络中机器人的广义调和影响中心性。对于某些网络,我们发现有限数量的机器人可引起群体观点非平凡的偏移;在其他网络中,我们发现机器人影响甚微。总体而言,我们发现广义调和影响中心性是度量社交网络中机器人影响的有用操作工具。
引用
@article{arxiv.1810.12398,
title = {Detecting Bots and Assessing Their Impact in Social Networks},
author = {Nicolas Guenon des Mesnards and David Scott Hunter and Zakaria el Hjouji and Tauhid Zaman},
journal= {arXiv preprint arXiv:1810.12398},
year = {2020}
}
备注
58 pages, 11 figures