[論文レビュー] Follow Spam Detection based on Cascaded Social Information

Sihyun Jeong, Giseop Noh+2 more|arXiv (Cornell University)|May 2, 2016

Spam and Phishing Detection参考文献 34被引用数 3

ひとこと要約

本稿では、ローカル2ホップのソーシャルネットワークを分析することで、Twitterにおけるフォロースパムを検出する、段階的ソーシャルインフォメーションに基づくアプローチを提案する。TSPフィルタリング（3部グラフの有意性プロファイルを用いる）とSSフィルタリング（ソーシャルステータス理論を用いる）を導入し、アンサンブル手法であるカスケーデッドフィルタリングにより、実際のTwitterデータ上で96.3%の真正陽性率と5.7%の偽陽性率を達成。計算コストが低く、先行手法を上回る性能を発揮した。

ABSTRACT

In the last decade we have witnessed the explosive growth of online social networking services (SNSs) such as Facebook, Twitter, RenRen and LinkedIn. While SNSs provide diverse benefits for example, forstering interpersonal relationships, community formations and news propagation, they also attracted uninvited nuiance. Spammers abuse SNSs as vehicles to spread spams rapidly and widely. Spams, unsolicited or inappropriate messages, significantly impair the credibility and reliability of services. Therefore, detecting spammers has become an urgent and critical issue in SNSs. This paper deals with Follow spam in Twitter. Instead of spreading annoying messages to the public, a spammer follows (subscribes to) legitimate users, and followed a legitimate user. Based on the assumption that the online relationships of spammers are different from those of legitimate users, we proposed classification schemes that detect follow spammers. Particularly, we focused on cascaded social relations and devised two schemes, TSP-Filtering and SS-Filtering, each of which utilizes Triad Significance Profile (TSP) and Social status (SS) in a two-hop subnetwork centered at each other. We also propose an emsemble technique, Cascaded-Filtering, that combine both TSP and SS properties. Our experiments on real Twitter datasets demonstrated that the proposed three approaches are very practical. The proposed schemes are scalable because instead of analyzing the whole network, they inspect user-centered two hop social networks. Our performance study showed that proposed methods yield significantly better performance than prior scheme in terms of true positives and false positives.

研究の動機と目的

• スパムラーが正当なユーザーをフォローすることで可視性を高め、スパムを広めるという、Twitterにおけるフォロースパムの増加する脅威に対処する。
• URLや画像を含む変化し続けるメッセージパターンに対して失敗するコンテンツベースのスパム検出手法の限界を克服する。
• グローバルネットワーク解析ではなく、ローカルネットワーク構造に依存することで、スケーラブルかつリアルタイム対応可能なスパム検出メカニズムを構築する。
• ローカル2ホップソーシャルネットワークにおける構造的差異が、スパマーと正当なユーザーを効果的に区別できるかを検証する。
• 3部グラフの有意性プロファイル（TSP）とソーシャルステータス（SS）理論を組み合わせたハイブリッド検出フレームワークを提案・評価し、精度を向上させる。

提案手法

• 各ユーザーの2ホップソーシャルネットワークにおける13種類の同型部分グラフ（3部グラフ）の頻度と分布を測定することで、構造的異常を検出するため、3部グラフの有意性プロファイル（TSP）を用いる。
• ソーシャルステータス理論を適用し、フォロワー行動をモデル化する：正当なユーザーは高いステータスを持つユーザーをフォローする傾向があるが、スパマーはランダムにフォローするため、ステータスの不均衡に基づく分類が可能になる。
• TSP-フィルタリングとSS-フィルタリングを独立した検出手法として設計し、計算負荷を低減するため、ユーザー中心の2ホップ部分ネットワークを分析する。
• TSPとSSの特徴をアンサンブル手法であるカスケーデッドフィルタリングを用いて統合し、相補的な構造的信号を活用することで検出性能を向上させる。
• 実際のTwitterデータセットを用いてモデルを学習・評価し、スケーラビリティとリアルタイム適用性を確保するため、ローカルネットワーク構造に焦点を当てる。
• 自己組織化マップ（SOM）を用いた教師なし拡張を検討し、既知のスパマーのパターンと類似する新規アカウントを動的にクラスタリングする。

実験結果

リサーチクエスチョン

• RQ1 ローカル2ホップソーシャルネットワーク構造は、Twitter上でのフォロースパマーと正当なユーザーを効果的に区別できるか？
• RQ2 ローカルネットワークにおける3部グラフの有意性プロファイル（TSP）は、フォロースパム検出のための判別特徴としてどの程度有効か？
• RQ3 ソーシャルステータス理論は、ステータス階層を無視してユーザーをフォローするスパマーを特定するのにおいて、どのように役立つか？
• RQ4 TSPとSSの特徴をアンサンブル学習で統合することで、個別の手法と比較して検出精度を顕著に向上させられるか？
• RQ5 グローバルネットワーク計算ではなくローカルネットワーク分析に依存する本手法は、スケーラビリティとリアルタイム展開の観点から、実用的で適しているか？

主な発見

• TSP-フィルタリング手法単体でも、2ホップのローカルネットワーク構造のみを用いてスパマーを識別する際、92.1%の分類精度を達成した。
• SS-フィルタリング手法は、ステータス階層に整合しない異常なフォロワー行動を特定することで、スパマーを効果的に検出できた。
• ハイブリッドなカスケーデッドフィルタリングアプローチにより、96.3%の真正陽性率とわずか5.7%の偽陽性率を達成し、コラージョンランク（CollusionRank）ベースラインを顕著に上回った。
• 提案手法はローカルネットワークデータのみを必要とするため、スケーラブルかつ大規模SNS環境におけるリアルタイム展開に適している。
• 結果から、スパマーのネットワークは段階的なソーシャルインフォメーションにおいて明確な構造的・行動的パターンを示すことが確認され、本手法の核心的仮定が妥当であることが裏付けられた。
• 今後の課題として、同様の構造的分析を用いて、フェイクニュースの拡散など、他の悪意ある行動の検出へのフレームワークの拡張が有望であると示唆された。