无监督检测真实环境中的协同信息操作
社会与信息网络
2026-05-08 v1
摘要
本文引入并测试了一种在现实环境中检测新型协同非真实信息操作的无监督方法。该方法使用贝叶斯推理来识别共享相似账户级别特征并针对相似叙事的账户群组。我们使用摊销变分推理解决该推理问题，从而能够高效地推断数百万账户的群组身份。我们使用来自三个国家、在 Twitter 上讨论四个话题的五组 CIO 验证了该方法。我们的无监督方法相对于朴素基线提高了检测能力（精确率-召回率曲线下面积）（提升 76 至 580 倍），相对于单独使用简单标记或叙事（提升 1.3 至 4.8 倍），并且非常接近有监督基准。我们的方法对于仅观察到话题上的一小部分消息、仅拥有微弱的非真实性标记、以及 CIO 账户在话题的消息和账户中占比极小的情况具有鲁棒性。尽管我们在 Twitter 上评估了结果，但该方法具有足够的通用性，可应用于许多社交媒体环境。
引用
@article{arxiv.2401.06205,
title = {Unsupervised detection of coordinated information operations in the wild},
author = {D. Hudson Smith and Carl Ehrett and Patrick L. Warren},
journal= {arXiv preprint arXiv:2401.06205},
year = {2026}
}
备注
34 pages, 10 figures