[論文レビュー] Followers or Phantoms? An Anatomy of Purchased Twitter Followers

Anupama Aggarwal, Ponnurangam Kumaraguru|arXiv (Cornell University)|Aug 7, 2014

Spam and Phishing Detection参考文献 19被引用数 16

ひとこと要約

本研究では、密売市場から購入されたTwitterのフォロワーを分析し、正当なユーザーと区別できる行動的およびプロフィール的特徴を同定した。行動特徴、特にアンフォローエントロピーを用いた教師あり学習により、不審なフォロー行動を88.2％の正確度で検出でき、フェイクフォロワーネットワークの重要な兆候を明らかにした。

ABSTRACT

Online Social Media (OSM) is extensively used by contemporary Internet users to communicate, socialize and disseminate information. This has led to the creation of a distinct online social identity which in turn has created the need of online social reputation management techniques. A significant percentage of OSM users utilize various methods to drive and manage their reputation on OSM. This has given rise to underground markets which buy/sell fraudulent accounts, `likes', `comments' (Facebook, Instagram) and `followers' (Twitter) to artificially boost their social reputation. In this study, we present an anatomy of purchased followers on Twitter and their behaviour. We illustrate in detail the profile characteristics, content sharing and behavioural patterns of purchased follower accounts. Previous studies have analyzed the purchased follower markets and customers. Ours is the first study which analyzes the anatomy of purchased followers accounts. Some of the key insights of our study show that purchased followers have a very high unfollow entropy rate and low social engagement with their friends. In addition, we noticed that purchased follower accounts have significant difference in their interaction and content sharing patterns in comparison to random Twitter users. We also found that underground markets do not follow their service policies and guarantees they provide to customer. Our study highlights the key identifiers for suspicious follow behaviour. We then built a supervised learning mechanism to predict suspicious follower behaviour with 88.2% accuracy. We believe that understanding the anatomy and characteristics of purchased followers can help detect suspicious follower behaviour and fraudulent accounts to a larger extent.

研究の動機と目的

• 密売市場から購入されたTwitterフォロワーの行動的・プロフィール的およびコンテンツ共有特性を理解すること。
• フェイクフォロワーと正当なユーザーを区別する特徴を同定すること。
• 高い正確度で不審なフォロー行動を検出できる教師あり学習モデルの開発。
• 市場が提示するフォロワーの質や保持期間に関する保証の信頼性を評価すること。
• Twitter上でのフェイクフォロワーネットワークを検出するための実用的指標を提供すること。

提案手法

• クレデンシャルの漏洩を避けるために、フォローを返さない仕組みを用いて、密売市場から購入されたフォロワーのアカウントを収集した。
• プロフィール属性（例：自己紹介文、プロフィール画像、言語）および行動特徴（例：アンフォローよりの頻度、RTおよび@メンションのエンゲージメント率）を抽出した。
• アンフォローエントロピーを定義し、時間経過に伴う不規則なアンフォロー行動を定量化する指標とした。
• SVM（RBFカーネル）を用いた分類に、70-30のトレーニング・テスト分割と10分割交差検証を適用した。
• プロフィール、行動、コンテンツベースの特徴集合を段階的に追加し、それぞれの特徴集合が検出正確度に与える影響を個別および総合的に評価した。
• 標準的な指標（正確度、F1スコア、AUC）と混同行列分析を用いて、モデルの性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 密売市場から購入されたTwitterフォロワーは、正当なユーザーと比べてどのようなプロフィール的および行動的特徴を示すか？
• RQ2 購入フォロワーは、ランダムなTwitterユーザーと比べて、コンテンツ共有および相互作用のパターンでどのように異なるか？
• RQ3 密売市場は、フォロワーの質やアクティブ性、保持期間に関するサービス保証を一貫して果たしているか？
• RQ4 不審なフォロー行動を同定するうえで、どの行動特徴が最も効果的か？
• RQ5 測定可能なユーザー属性を用いた教師あり学習モデルは、不審なフォロワー行動を正確に分類できるか？

主な発見

• 購入フォロワーは、高いアンフォローエントロピー率を示しており、これは頻繁かつ不規則にフォローリストから削除される行動を示し、正当なユーザーには見られない特徴である。
• これらのアカウントは、友人との間で著しく低いエンゲージメントを示しており、RTや@メンションのエンゲージメント比が低いことが明らかになった。
• 本研究では、密売市場が提示する高品質・アクティブ・長期保持フォロワーの保証が、一貫して果たされていないことが判明した。
• 教師あり学習モデルは、不審なフォロービヘイビアを88.2％の正確度で検出でき、行動特徴が最も高い性能向上をもたらした。
• アンフォローエントロピー、RTエンゲージメント比、@メンションエンゲージメント比、言語の重複、およびソーシャルレピュテーションが、検出に最も有益な特徴であった。
• プロフィールベースの特徴（例：自己紹介文、プロフィール画像）は、不審な行動を同定するうえで最も効果が低く、正当なアカウントではユーザー生成コンテンツが希薄または欠落していることが原因と考えられる。