[논문 리뷰] Follow Spam Detection based on Cascaded Social Information

Sihyun Jeong, Giseop Noh외 2명|arXiv (Cornell University)|2016. 05. 02.

Spam and Phishing Detection참고 문헌 34인용 수 3

한 줄 요약

이 논문은 로컬 두 단계 이내의 사회적 네트워크를 분석하여 트위터에서 팔로우 스팸을 탐지하기 위한 계단식 사회적 정보 기반 접근법을 제안한다. 삼단계의 중요도 프로파일(TSP)을 사용하는 TSP-Filtering과 사회적 지위 이론(SS)을 사용하는 SS-Filtering을 도입하였으며, 통합 방법인 계단식 필터링을 통해 실제 트위터 데이터에서 96.3%의 참 양성률과 5.7%의 참 음성률을 달성하여 이전 방법보다 뛰어나면서도 계산 비용이 낮다.

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.

연구 동기 및 목표

• 스팸러가 합법적 사용자를 팔로우하여 노출도를 높이고 스팸을 확산시키는 트위터에서의 팔로우 스팸 증가에 대응한다.
• URL과 이미지를 포함한 변화하는 메시지 패턴에 대응하지 못하는 콘텐츠 기반 스팸 탐지의 한계를 극복한다.
• 전체 네트워크 분석이 아닌 국소 네트워크 구조를 활용하여 확장 가능하고 실시간으로 작동하는 스팸 탐지 메커니즘을 개발한다.
• 국소 두 단계 이내의 사회적 네트워크에서의 구조적 차이가 스팸러와 합법적 사용자를 효과적으로 구분할 수 있는지 조사한다.
• 삼단계 중요도 프로파일(TSP)과 사회적 지위(SS) 이론을 융합한 하이브리드 탐지 프레임워크를 제안하고 평가한다.

제안 방법

• 각 사용자의 두 단계 이내 사회적 네트워크에서 13개의 동형 부분그래프(삼단계)의 빈도와 분포를 측정하기 위해 삼단계 중요도 프로파일(TSP)을 사용하여 구조적 이질성을 탐지한다.
• 사회적 지위(SS) 이론을 적용하여 팔로워 행동을 모델링한다: 합법적 사용자는 높은 지위를 가진 사용자를 팔로우하는 경향이 있으나, 스팸러는 무작위로 팔로우하므로 지위 불균형을 기반으로 분류가 가능하다.
• TSP-Filtering과 SS-Filtering을 개별 탐지 체계로 설계하여 각각 사용자 중심의 두 단계 이내 하위네트워크를 분석함으로써 계산 부담을 줄인다.
• TSP와 SS 특징을 통합 기법인 계단식 필터링을 통해 상호 보완적인 구조적 신호를 활용하여 탐지 성능을 향상시킨다.
• 실제 트위터 데이터셋을 기반으로 모델을 훈련하고 평가하여 국소 네트워크 구조에 초점을 맞춰 확장성과 실시간 적용 가능성을 확보한다.
• 자기조직화 지도(SOM)를 활용한 비지도 학습 확장 방안을 탐색하여 신규 계정을 기존 스팸러 패턴과 유사도 기반으로 동적으로 군집화한다.

실험 결과

연구 질문

• RQ1 국소 두 단계 이내의 사회적 네트워크 구조는 트위터에서 팔로우 스팸러와 합법적 사용자를 효과적으로 구분할 수 있는가?
• RQ2 국소 네트워크 내 삼단계 중요도 프로파일(TSP)이 팔로우 스팸 탐지에 있어 구분 가능한 특징으로서 얼마나 유용한가?
• RQ3 사회적 지위 이론은 지위 계층을 고려하지 않고 사용자를 팔로우하는 스팸러를 어떻게 식별하는 데 기여하는가?
• RQ4 TSP와 SS 특징을 앙상블 학습을 통해 융합하면 개별 방법 대비 탐지 정확도가 크게 향상되는가?
• RQ5 전체 네트워크 계산이 아닌 국소 네트워크 분석에 의존함에도 불구하고, 제안된 방법은 확장 가능하고 실시간 배포에 적합한가?

주요 결과

• TSP-Filtering 방법만으로도 국소 두 단계 이내 네트워크 구조를 기반으로 스팸러 식별에 92.1%의 분류 정확도를 달성했다.
• SS-Filtering 방법은 사회적 지위 계층과 어긋나는 이질적인 팔로워 행동을 식별하여 스팸러를 효과적으로 탐지했다.
• 하이브리드 계단식 필터링 접근법은 96.3%의 참 양성률과 오직 5.7%의 참 음성률을 기록하여 콜루전랭크 기준선을 크게 앞서갔다.
• 제안된 방법은 국소 네트워크 데이터만을 요구하여 대규모 SNS 환경에서의 확장성과 실시간 배포에 적합하다.
• 결과는 스팸러 네트워크가 계단식 사회적 정보에서 특징적인 구조적 및 행동적 패턴을 보임을 확인하여 본 연구의 핵심 가정을 뒷받침한다.
• 향후 연구에서는 유사한 구조적 분석을 활용해 가짜 뉴스 유포와 같은 다른 악성 행동을 탐지할 수 있는 프레임워크 확장 가능성을 제안한다.