FNDaaS：与内容无关的假新闻网站检测
计算机与社会
2025-03-19 v2 密码学与安全
机器学习
摘要
自动假新闻检测是虚假信息传播中一个具有挑战性的问题，并具有巨大的现实政治与社会影响。以往研究提出了基于机器学习的此类假新闻检测方法，聚焦于已发布新闻文章的不同属性，例如实际内容的语言特征，然而由于明显的语言障碍，这些方法存在局限性。有别于这些努力，我们提出 Fake News Detection-as-a-Service (FNDaaS，假新闻检测即服务)，这是首个自动的、与内容无关的假新闻检测方法，其考虑了每个新闻网站新的且未被研究过的特征，如网络与结构特征。该方法可作为服务部署，既可在 ISP 侧以实现更易的扩展性与可维护性，也可在用户侧以获得更好的终端用户隐私。我们利用从现有的 637 个假新闻和 1183 个真实新闻网站列表中爬取的超过 34 万个数据点，并通过构建和测试一个实现我们提案的概念验证系统，证明了方法的有效性。我们对从这些网站收集数据的分析表明，绝大多数假新闻域名非常年轻，且其域名关联 IP 的时长似乎比真实新闻域名更短。通过使用机器学习分类器进行多种实验，我们证明 FNDaaS 在历史站点上可达到高达 0.967 的 AUC 分数，在新标记的站点上可达到 77-92% 的准确率。
引用
@article{arxiv.2212.06492,
title = {FNDaaS: Content-agnostic Detection of Fake News sites},
author = {Panagiotis Papadopoulos and Dimitris Spithouris and Evangelos P. Markatos and Nicolas Kourtellis},
journal= {arXiv preprint arXiv:2212.06492},
year = {2025}
}