Consiste en dos iteraciones principales basadas en algoritmos de aprendizaje automático
Investigadores de la Universidad Ben-Gurion de Negev (BGU) y la Universidad de Washington han desarrollado un nuevo método genérico para detectar cuentas falsas en la mayoría de los tipos de redes sociales, incluidas Facebook y Twitter.
De acuerdo con un nuevo estudio en Análisis de Redes Sociales y Minería (Social Network Analysis and Mining), el nuevo método se basa en el supuesto de que las cuentas falsas tienden a establecer vínculos improbables con otros usuarios en las redes.
"Con recientes noticias inquietantes sobre las fallas para salvaguardar la privacidad del usuario, y el uso específico de las redes sociales por parte de Rusia para influir en las elecciones, eliminar a los usuarios falsos nunca ha sido de mayor importancia", explica Dima Kagan, investigador principal e investigador en el Departamento de Software e Ingeniería de Sistemas de Información de la BGU.
"Probamos nuestro algoritmo en conjuntos de datos simulados y del mundo real en 10 redes sociales diferentes y funcionó bien en ambos".
El algoritmo consiste en dos iteraciones principales basadas en algoritmos de aprendizaje automático. El primero construye un clasificador de predicción de enlaces que puede estimar, con gran precisión, la probabilidad de que exista un enlace entre dos usuarios.
La segunda iteración genera un nuevo conjunto de meta-funciones basadas en las características creadas por el clasificador de predicción de enlaces. Por último, los investigadores utilizaron estas meta-características y construyeron un clasificador genérico que puede detectar perfiles falsos en una variedad de redes sociales en línea.
Aquí hay una útil explicación en vídeo de cómo funciona todo:
"En general, los resultados demostraron que en un escenario de amistad de la vida real podemos detectar a las personas que tienen los lazos de amistad más fuertes, así como a los usuarios maliciosos, incluso en Twitter", dicen los investigadores. "Nuestro método supera a otros métodos de detección de anomalías y creemos que tiene un potencial considerable para una amplia gama de aplicaciones, particularmente en el ámbito de la ciberseguridad".
Estudio de referencia (en PDF): Generic anomalous vertices detection utilizing a link prediction algorithm
