社交图灵测试：众包女巫攻击检测
社会与信息网络
2015-03-20 v2 物理与社会
摘要
作为传播垃圾信息和恶意软件的常用工具，Sybils（或虚假账户）对在线社交网络 (OSNs) 等在线社区构成了严重威胁。如今，复杂的攻击者正在创建逼真的 Sybils，有效地与合法用户建立好友关系，导致大多数自动化的 Sybil 检测技术失效。在本文中，我们探讨了面向 OSNs 的众包 Sybil 检测系统的可行性。我们利用来自 Facebook 和 Renren 网络的大量真实 Sybil 账户语料库，针对人类检测当今 Sybil 账户的能力开展了一项大规模用户研究。我们分析了“专家”和“众包工人”在各种条件下的检测准确率，发现尽管众包工人的有效性差异很大，但专家始终能产生接近最优的结果。我们利用这些结果来驱动多层众包 Sybil 检测系统的设计。利用我们的用户研究数据，我们表明该系统具有可扩展性，并且无论是作为独立系统还是作为现有工具的补充技术，都能发挥高效作用。
引用
@article{arxiv.1205.3856,
title = {Social Turing Tests: Crowdsourcing Sybil Detection},
author = {Gang Wang and Manish Mohanlal and Christo Wilson and Xiao Wang and Miriam Metzger and Haitao Zheng and Ben Y. Zhao},
journal= {arXiv preprint arXiv:1205.3856},
year = {2015}
}