[논문 리뷰] Content-Based Spam Filtering on Video Sharing Social Networks

Antonio da Luz, Eduardo Valle외 1명|arXiv (Cornell University)|2011. 04. 28.

Video Analysis and Summarization참고 문헌 13인용 수 4

한 줄 요약

이 논문은 시각적 특징과 잠재의미분석(LSA)을 사용하여 영상 공유 소셜 네트워크를 위한 콘텐츠 기반 스팸 필터링 접근법을 제안한다. 정적 및 동적(운동 인식) 특징을 문맥 정보 유무에 관계없이 평가하며, 문맥 인식 분석이 스팸 탐지 정확도를 크게 향상시키고, LSA가 추가적인 성능 햖스를 제공함으로써 실세계 소셜 네트워크에서 시각적 콘텐츠 기반 스팸 필터링의 가능성을 입증한다.

ABSTRACT

In this work we are concerned with the detection of spam in video sharing social networks. Specifically, we investigate how much visual content-based analysis can aid in detecting spam in videos. This is a very challenging task, because of the high-level semantic concepts involved; of the assorted nature of social networks, preventing the use of constrained a priori information; and, what is paramount, of the context dependent nature of spam. Content filtering for social networks is an increasingly demanded task: due to their popularity, the number of abuses also tends to increase, annoying the user base and disrupting their services. We systematically evaluate several approaches for processing the visual information: using static and dynamic (motionaware) features, with and without considering the context, and with or without latent semantic analysis (LSA). Our experiments show that LSA is helpful, but taking the context into consideration is paramount. The whole scheme shows good results, showing the feasibility of the concept.

연구 동기 및 목표

• 사용자 경험과 서비스 무결성을 해칠 수 있는 인기 영상 공유 소셜 네트워크에서 증가하는 스팸 문제를 다루기 위해.
• 스팸의 성격이 사전 지식이 없고 문맥에 따라 달라지므로, 시각적 콘텐츠 기반 분석의 효과성을 조사하기 위해.
• 시각적 특징을 사용하여 문맥 인식과 잠재의미분석(LSA)이 스팸 탐지 성능에 미치는 영향을 평가하기 위해.

제안 방법

• 이 방법은 영상 프레임에서 추출한 시각적 특징을 사용하며, 정적(공간적) 및 동적(운동 인식) 특징을 모두 포함하여 시간적 변화를 포착한다.
• 문맥은 제목, 설명, 사용자 상호작용과 같은 주변 콘텐츠와의 관계를 분석하여 통합되며, 의미적 이해를 향상시킨다.
• 잠재의미분석(LSA)은 차원 축소와 함께 시각적 특징 공간 내 숨겨진 의미 관계를 밝혀내기 위해 적용된다.
• 다양한 구성 조합을 평가한다: LSA 유무, 문맥 유무, 정적 대 비정적 특징.
• 감독 학습 프레임워크를 사용하여 시각적 및 문맥적 특징의 조합을 바탕으로 영상가 스팸 또는 정상 콘텐츠로 분류한다.
• 실세계 영상 데이터셋을 사용하여 정밀도, 재현율, F1-스코어와 같은 표준 지표로 성능을 평가한다.

실험 결과

연구 질문

• RQ1 사전 지식이나 메타데이터에 의존하지 않고, 시각적 콘텐츠 기반 분석이 영상 공유 소셜 네트워크에서 스팸을 얼마나 잘 탐지할 수 있는가?
• RQ2 영상 제목, 설명, 사용자 행동과 같은 문맥 정보를 통합할 경우 스팸 탐지 정확도는 얼마나 향상되는가?
• RQ3 잠재의미분석(LSA)이 스팸 탐지에 있어 시각적 특징의 표현을 향상시키는 데 기여하는 바는 무엇인가?
• RQ4 정적 특징 대비 운동 인식 특징이 스팸 콘텐츠 탐지에서 어떤가?
• RQ5 콘텐츠 기반 필터링 시스템이 실세계의 제약이 있는 소셜 네트워크 환경에서 높은 성능을 달성할 수 있는가?

주요 결과

• 문맥 정보를 통합하면 시각적 특징에만 의존하는 모델보다 스팸 탐지 성능이 뚜렷이 향상된다.
• 잠재의미분석(LSA)을 사용하면 시각적 특징 공간 내 의미 관계를 포착함으로써 분류 정확도에 측정 가능한 향상이 이루어진다.
• 특히 속임수나 조작된 시각적 패턴을 포함한 영상에서는 운동 인식 특징이 정적 특징보다 더 효과적으로 스팸을 탐지한다.
• 문맥과 LSA의 조합이 가장 높은 F1-스코어를 기록하며, 의미적 문맥과 특징 공간 축소 간의 상호보완성이 입증된다.
• 전반적인 시스템은 뛰어난 성능을 달성하여 실세계 영상 공유 플랫폼에서 콘텐츠 기반 스팸 필터링의 실현 가능성을 확인한다.