[논문 리뷰] Identifying Compromised Accounts on Social Media Using Statistical Text Analysis

Dominic Seyler, Lunan Li외 1명|arXiv (Cornell University)|2018. 04. 19.

Spam and Phishing Detection참고 문헌 17인용 수 7

한 줄 요약

이 논문은 정규 사용자와 악성 행위자 간의 언어적 이탈을 식별하여 악성 소셜미디어 계정을 탐지하기 위한 통계적 텍스트 분석 프레임워크를 제안한다. 129만 건이 넘는 트윗으로 구성된 트위터 코퍼스에서 언어 모델링과 지도 학습을 활용하여, 사용자와 스팸러의 언어 모델 간 유사도를 측정함으로써 유의미한 탐지 성능을 달성한다.

ABSTRACT

Compromised social media accounts are legitimate user accounts that have been hijacked by a third (malicious) party and can cause various kinds of damage. Early detection of such compromised accounts is very important in order to control the damage. In this work we propose a novel general framework for discovering compromised accounts by utilizing statistical text analysis. The framework is built on the observation that users will use language that is measurably different from the language that a hacker (or spammer) would use, when the account is compromised. We use the framework to develop specific algorithms based on language modeling and use the similarity of language models of users and spammers as features in a supervised learning setup to identify compromised accounts. Evaluation results on a large Twitter corpus of over 129 million tweets show promising results of the proposed approach.

연구 동기 및 목표

• 가로지르는 소셜미디어 계정 해킹으로 인한 허위정보 및 스팸 확산의 증가하는 위협을 해결하기 위해.
• 악성 활동으로 인한 피해를 최소화하기 위해 악성 계정을 조기에 식별하기 위해.
• 행동 히وري스틱이 아닌 언어 패턴을 기반으로 계정 해킹을 일반화 가능하게 탐지하기 위한 프레임워크를 개발하기 위해.
• 통계적 언어 모델링을 활용하여 진정한 사용자 언어와 해커 또는 스팸러의 언어를 구분하기 위해.

제안 방법

• 프레임워크는 사용자 개인과 알려진 스팸러 프로필의 트윗 내용을 기반으로 언어 모델을 구축한다.
• 통계적 거리 측정 방법을 사용하여 사용자의 언어 모델과 기준 스팸러 언어 모델 간의 유사도를 계산한다.
• 유사도 점수는 지도 학습 파이프라인의 핵심 특징이 되어 계정이 해킹되었는지 여부를 분류한다.
• 이 방법은 129만 건이 넘는 트윗을 포함한 대규모 트위터 코퍼스에서 훈련 및 평가된다.
• 언어적 이탈 기반으로 탐지 성능을 최적화하기 위해 레이블이 부여된 데이터를 사용한 지도 학습을 활용한다.
• 이 방법은 특정 계정 메타데이터나 행동 패턴에 의존하지 않아 일반화 가능하다.

실험 결과

연구 질문

• RQ1 정규 사용자와 스팸러 간의 언어적 차이가 계정 해킹을 신뢰성 있게 나타내는가?
• RQ2 언어 모델 유사도가 해킹된 계정과 정상 계정을 구분하는 데 얼마나 효과적인가?
• RQ3 통계적 텍스트 분석 프레임워크가 다양한 사용자 집단에 일반화될 수 있는가?
• RQ4 트윗의 텍스트적 특징만으로는 어떤 수준의 탐지 정확도를 달성할 수 있는가?

주요 결과

• 제안된 프레임워크는 129만 건이 넘는 트윗을 포함한 대규모 트위터 데이터셋에서 유의미한 탐지 성능을 달성한다.
• 사용자와 스팸러 간의 언어 모델 유사도가 해킹된 계정을 식별하는 강력한 분류 특징이 된다.
• 이 방법은 행동 또는 메타데이터 신호 없이도 텍스트 콘텐츠만으로도 해킹된 계정을 성공적으로 탐지한다.
• 통계적 언어 모델링에 기반함으로써 다양한 사용자 집단에 걸쳐 일반화 가능성이 높다.
• 결과적으로 사용자의 정상적인 글쓰기 스타일에서 벗어난 언어적 이탈이 계정 탈취의 신뢰성 있는 지표임을 시사한다.