POISED：另辟蹊径检测 Twitter 垃圾信息
密码学与安全
2017-08-31 v1 社会与信息网络
摘要
网络罪犯已发现在线社交网络是传播垃圾信息和恶意内容的有利媒介。现有的垃圾信息检测技术包括预测账户的可信度以及分析这些消息的内容。然而，高级攻击者仍能成功规避这些防御。在线社交网络将使具有个人联系或共同兴趣的人们聚集形成社区。在本文中，我们首先表明网络社区内的用户共享一些感兴趣的主题。此外，在这些社交网络上分享的内容往往根据人们的兴趣进行传播。可能会出现某些社区基于其兴趣发布相似消息的传播路径。另一方面，垃圾信息和其他恶意内容遵循不同的传播模式。在本文中，我们遵循这一见解，提出了 POISED，该系统利用社交网络上良性消息与恶意消息在传播上的差异来识别垃圾信息和其他不受欢迎的内容。我们在一个包含来自 64K 用户的 130 万条推文的数据集上测试了我们的系统，结果表明我们的方法在检测恶意消息方面是有效的，达到了 91% 的精确率和 93% 的召回率。我们还通过将其与研究界过去提出的三种最先进的垃圾信息检测系统进行比较，表明 POISED 的检测比以前的系统更全面。POISED 显著优于这些系统中的每一个。此外，通过模拟，我们展示了 POISED 如何在早期检测垃圾信息方面有效，以及它如何对两种众所周知的对抗性机器学习攻击具有弹性。
引用
@article{arxiv.1708.09058,
title = {POISED: Spotting Twitter Spam Off the Beaten Paths},
author = {Shirin Nilizadeh and Francois Labreche and Alireza Sedighian and Ali Zand and Jose Fernandez and Christopher Kruegel and Gianluca Stringhini and Giovanni Vigna},
journal= {arXiv preprint arXiv:1708.09058},
year = {2017}
}