[論文レビュー] Behind the Mask: A Computational Study of Anonymous' Presence on Twitter

Keenan Jones, Jason R. C. Nurse+1 more|arXiv (Cornell University)|Jun 15, 2020

Misinformation and Its Impacts被引用数 6

ひとこと要約

本研究では、2008年から2019年までの間、機械学習、社会的ネットワーク分析（SNA）、トピックモデリングを用いて、20,000件以上の自らを『アナノニムス』と特定するTwitterアカウントを計算的手法で分析した。その結果、リーダーのいない構造ではないことが判明し、わずかな数の影響力の高いアカウントが中心を占め、2013年以降にネットワーク活動が減少し、主要なインフルエンサーの間で一貫したテーマ的コンテンツが維持されていることが明らかになった。これは、アナノニムスが主張する非中央集権的構造とは矛盾し、大規模な実証的証拠によって定性的な知見を裏付けたものである。

ABSTRACT

The hacktivist group Anonymous is unusual in its public-facing nature. Unlike other cybercriminal groups, which rely on secrecy and privacy for protection, Anonymous is prevalent on the social media site, Twitter. In this paper we re-examine some key findings reported in previous small-scale qualitative studies of the group using a large-scale computational analysis of Anonymous' presence on Twitter. We specifically refer to reports which reject the group's claims of leaderlessness, and indicate a fracturing of the group after the arrests of prominent members in 2011-2013. In our research, we present the first attempts to use machine learning to identify and analyse the presence of a network of over 20,000 Anonymous accounts spanning from 2008-2019 on the Twitter platform. In turn, this research utilises social network analysis (SNA) and centrality measures to examine the distribution of influence within this large network, identifying the presence of a small number of highly influential accounts. Moreover, we present the first study of tweets from some of the identified key influencer accounts and, through the use of topic modelling, demonstrate a similarity in overarching subjects of discussion between these prominent accounts. These findings provide robust, quantitative evidence to support the claims of smaller-scale, qualitative studies of the Anonymous collective.

研究の動機と目的

• 大規模な計算的手法を用いて、Twitter上におけるアナノニムスの構造的・行動的特徴を調査すること。
• 2011年から2013年にかけての主要メンバーの逮捕後、アナノニムスが分散化しているという定性的な主張の妥当性を検証すること。
• 機械学習および社会的ネットワーク分析を用いて、自らをアナノニムスと特定するTwitterアカウントのネットワークを特定・分析すること。
• 主な歴史的出来事（例えば、主要メンバーの逮捕）と関連して、時間経過に伴うコンテンツおよび影響力の変化を調査すること。
• トピックモデリングを用いて、主要インフルエンサーのアカウント間のテーマ的コンテンツを比較し、ネットワーク全体におけるイデオロギー的一致性を評価すること。

提案手法

• 自らをアナノニムスと特定するTwitterアカウントのネットワークを同定・拡張するため、二段階のスノーボールサンプリング手法を採用した。
• プロフィール内容、ユーザーネーム、ツイートパターンに基づいて、アナノニムス関連アカウントを同定するための機械学習分類器を適用した。
• 同定されたネットワークに対して社会的ネットワーク分析（SNA）を実施し、次数、媒介性、固有ベクトル中心性などの中心性指標を用いて関係性をマッピングし、影響力の程度を測定した。
• トピックモデリング（LDA）を用いて、6つの主要インフルエンサーのツイートのテーマ的コンテンツを分析・比較した。
• 2008年から2019年までの間のネットワーク規模、アカウントの非活動、新規アカウントの創出の時間的変化を追跡し、ネットワークの進化を評価した。
• 定性的な研究および公的レポートと照合することで、計算結果をアナノニムスに関する既存の社会学的理解の文脈に位置づけた。

実験結果

リサーチクエスチョン

• RQ1 定性的研究が示唆するように、アナノニムスのTwitterネットワークは、グループが主張する非中央集権的構造とは対照的に、非リーダー型の構造を示しているか？
• RQ2 2011年から2013年にかけての主要メンバーの逮捕以降、アナノニムスTwitterネットワーク内の影響力分布はどのように変化したか？
• RQ3 アナノニムスネットワーク内の主要インフルエンサーのアカウントは、どれほど類似したテーマ的コンテンツを発信しているか？
• RQ4 ネットワーク活動（例：新規アカウントの創出、非活動）と、アナノニムスの高名な活動や逮捕の歴史的タイムラインの関係は何か？
• RQ5 計算による発見は、アナノニムスの構造と結束性に関する定性的な記述とどのように一致するか？

主な発見

• 本研究では、2008年から2019年までの間に活動した20,000件を超える自らをアナノニムスと特定するTwitterアカウントのネットワークを同定し、グループのオンライン存在の規模を示した。
• 次数、媒介性、固有ベクトル中心性で測定されたわずかな数の極めて中心的なアカウントがネットワークを支配しており、非フラットで階層的な影響力構造が存在することが示された。
• 2013年以降、新規アナノニムスアカウントの年間創出数が著しく減少し、主要メンバーの逮捕と重複したため、ネットワークの分断が示唆された。
• 30％を超える割合のアカウントが非活動の兆候を示しており、2013年以降の継続的参加の減少を示している。
• トピックモデリングにより、6つの主要インフルエンサーのアカウント間で強いテーマ的一致性が確認され、政治的活動、情報共有、制度への批判が中心的なトピックであった。
• 主要インフルエンサーのツイートに「Ops」（オペレーションズ）の言及が顕著に少ないことから、活発なキャンペーン参加の減少が示唆され、結束性および活動性の低下を支持する証拠となった。