社交媒体中网络欺凌与网络攻击行为的检测

网络欺凌与网络攻击是日益令人担忧的现象，影响着各个人群统计特征的人们。全球超过一半的年轻社交媒体用户曾遭受此类长期和/或协调性的数字骚扰。受害者可能经历广泛的情绪问题，并带来诸如尴尬、抑郁、与其他社区成员隔离等负面后果，这些都蕴含着导致更严重后果（如自杀企图）的风险。在这项工作中，我们迈出理解当今最大社交媒体平台之一Twitter中滥用行为特征的具体第一步。我们分析了120万用户和210万条推文，将参与看似正常话题（如NBA）讨论的用户，与那些更可能涉及仇恨相关话题（如Gamergate争议，或BBC电台的性别薪酬不平等）的用户进行比较。我们还在其中一个仇恨相关社区（Gamergate）中探究了滥用行为的具体表现，即网络欺凌与网络攻击。我们提出了一种稳健的方法，通过考虑文本、用户和基于网络的属性，将欺凌者、攻击者与正常Twitter用户区分开来。使用多种最先进的机器学习算法，我们以超过90%的准确率和AUC对这些账户进行分类。最后，我们讨论了被我们的方法标记为滥用行为的Twitter用户账户的当前状态，并研究了Twitter未来可用于封禁用户的潜在机制的表现。