[논문 리뷰] Sneak into Devil's Colony- A study of Fake Profiles in Online Social Networks and the Cyber Law

Mudasir Ahmad Wani, Suraiya Jabin외 2명|arXiv (Cornell University)|2018. 03. 22.

Spam and Phishing Detection참고 문헌 61인용 수 7

한 줄 요약

이 논문은 온라인 소셜 네트워크(ONs)에서 위변조 프로필을 조사하며, 악성 프로필을 해킹당한 계정, 복제된 계정, 봇 기반(스팸 봇, 좋아요 봇 등)으로 분류한다. 특성 공학과 기계 학습을 활용한 프로필 탐지 프레임워크를 제안하며, 기존 데이터 부족 문제를 해결하기 위해 새로운 데이터 수집 기법을 개발하고, 보다 효과적인 집행을 위한 기존 사이버법의 격차를 지적한다.

ABSTRACT

Massive content about user's social, personal and professional life stored on Online Social Networks (OSNs) has attracted not only the attention of researchers and social analysts but also the cyber criminals. These cyber criminals penetrate illegally into an OSN by establishing fake profiles or by designing bots and exploit the vulnerabilities of an OSN to carry out illegal activities. With the growth of technology cyber crimes have been increasing manifold. Daily reports of the security and privacy threats in the OSNs demand not only the intelligent automated detection systems that can identify and alleviate fake profiles in real time but also the reinforcement of the security and privacy laws to curtail the cyber crime. In this paper, we have studied various categories of fake profiles like compromised profiles, cloned profiles and online bots (spam-bots, social-bots, like-bots and influential-bots) on different OSN sites along with existing cyber laws to mitigate their threats. In order to design fake profile detection systems, we have highlighted different category of fake profile features which are capable to distinguish different kinds of fake entities from real ones. Another major challenges faced by researchers while building the fake profile detection systems is the unavailability of data specific to fake users. The paper addresses this challenge by providing extremely obliging data collection techniques along with some existing data sources. Furthermore, an attempt is made to present several machine learning techniques employed to design different fake profile detection systems.

연구 동기 및 목표

• 증가하는 사이버 범죄로 인해 온라인 소셜 네트워크에서 위변조 프로필의 위협이 증가하고 있는 것을 분석하기 위해.
• 해킹당한 계정, 복제된 계정, 봇 기반 프로필로 나누어지며, 각각의 행동적·구조적 특징을 구분하기 위해.
• 탐지 시스템 학습을 위한 위변조 사용자 데이터의 가용성 부족 문제를 해결하기 위해.
• 실시간으로 위변조 프로필을 탐지하기 위한 기계 학습 기법의 성능을 평가하기 위해.
• 현재 사이버법이 위변조 프로필 관련 사이버 범죄의 억제 및 기소에 얼마나 적합한지 평가하기 위해.

제안 방법

• 위변조 프로필을 해킹당한 계정, 복제된 계정, 스팸 봇, 소셜 봇, 좋아요 봇, 영향력 있는 봇으로 나누는 분류.
• 프로필 완전성, 친구 수, 게시 빈도, 네트워크 구조 등 구분 가능한 특징을 식별하여 탐지에 활용.
• 기존 데이터셋에서의 부족함을 극복하기 위해 현실적인 위변조 사용자 데이터를 수집하기 위한 맞춤형 데이터 수집 기법 제안.
• 공학된 특징에 기반해 훈련된 기계 학습 모델(SVM, 랜덤 포레스트, 신경망 등)을 활용해 위변조 프로필과 진짜 프로필을 분류.
• 탐지된 프로필 유형을 관련 사이버법과 연결하여 법적 집행 가능성과 법적 격차를 평가.
• 특성 기반 탐지 기법과 법적 프레임워크를 통합하여 자동화된 집행 및 정책 제안을 지원.

실험 결과

연구 질문

• RQ1 온라인 소셜 네트워크에서 주로 발견되는 위변조 프로필의 유형은 무엇이며, 행동적·구조적 측면에서 어떻게 다릅니까?
• RQ2 다양한 OSN 플랫폼 간에 진짜 프로필과 위변조 프로필을 효과적으로 구분할 수 있는 특정 특징은 무엇입니까?
• RQ3 연구자들이 탐지 모델 학습을 위한 레이블이 부여된 위변조 사용자 데이터 부족 문제를 어떻게 해결할 수 있습니까?
• RQ4 실시간으로 다양한 유형의 위변조 프로필을 탐지하는 데 가장 효과적인 기계 학습 기법은 무엇입니까?
• RQ5 현재 사이버법이 위변조 프로필 활동의 탐지, 방지, 기소에 얼마나 적합합니까?

주요 결과

• OSN에서의 위변조 프로필은 주로 해킹당한 계정(컴 promise드), 복제된 계정(클론), 봇 기반(스팸, 좋아요, 소셜, 영향력 있는 봇)으로 분류된다.
• 프로필 연령, 친구 수, 게시 패턴, 네트워크 중심성 등의 지표를 활용한 특성 기반 탐지 기법은 분류 정확도를 크게 향상시킨다.
• 공개적으로 이용 가능한 위변조 사용자 데이터셋의 부족함은 강력한 탐지 시스템 구축을 위한 주요 장애물로 남아 있다.
• 랜덤 포레스트 및 SVM과 같은 기계 학습 모델은 높은 정밀도와 재현율을 보이며 위변조 프로필을 효과적으로 식별한다.
• 기존 사이버법는 봇 네트워크 및 다중 플랫폼 오용과 같은 위변조 프로필 제작자의 진화하는 기법을 충분히 다루지 못하고 있다.
• 기술적 탐지 능력과 법적 집행 능력 사이에 격차가 존재하며, 자동화된 탐지 시스템을 뒷받침하기 위해 더 강력한 입법 프레임워크가 필요하다.