[论文解读] Dissecting a Social Botnet: Growth, Content and Influence in Twitter

Norah Abokhodair, Daisy Yoo+1 more|arXiv (Cornell University)|Apr 13, 2016

Spam and Phishing Detection参考文献 17被引用 168

一句话总结

本文分析一个在 Twitter 上的叙利亚社交机器人网，以了解其增长、其推文内容与普通用户的差异，以及潜在影响，采用对约 3000 条推文在 35 周内的定性编码。

ABSTRACT

Social botnets have become an important phenomenon on social media. There are many ways in which social bots can disrupt or influence online discourse, such as, spam hashtags, scam twitter users, and astroturfing. In this paper we considered one specific social botnet in Twitter to understand how it grows over time, how the content of tweets by the social botnet differ from regular users in the same dataset, and lastly, how the social botnet may have influenced the relevant discussions. Our analysis is based on a qualitative coding for approximately 3000 tweets in Arabic and English from the Syrian social bot that was active for 35 weeks on Twitter before it was shutdown. We find that the growth, behavior and content of this particular botnet did not specifically align with common conceptions of botnets. Further we identify interesting aspects of the botnet that distinguish it from regular users.

研究动机与目标

• 了解随着时间推移，social botnet 在 Twitter 上的增长方式。
• 描述在同一数据集中，该机器人网络的推文内容与常规用户的差异。
• 评估该机器人网络是否影响了 Twitter 上相关主题的讨论。
• 识别该机器人网络在行为和内容方面与非机器人账户的显著差异。

提出的方法

• 对大约 3,000 条阿拉伯语和英语推文进行定性编码。
• 对在停用前活跃了 35 周的叙利亚社交机器人进行案例研究。
• 在同一数据集内与常规用户进行对比分析。
• 分析聚焦于增长、内容特征及对话语的潜在影响。

实验结果

研究问题

• RQ1 在 Twitter 上，社交机器人网络如何随着时间增长？
• RQ2 同一数据集中，机器人网络的内容在何种方面与常规用户不同？
• RQ3 该机器人网络是否影响了与该主题相关的 Twitter 讨论？
• RQ4 哪些特征区分了机器人网络的行为和内容与常规用户活动？

主要发现

• 该机器人网络的增长、行为和内容并未与人们对机器人网络的常见观念产生明确的一致性。
• 存在使其与常规用户区分开来的机器人网络的独特方面。
• 研究突出显示所研究的机器人网络中双语（阿拉伯语和英语）内容与行为。
• 分析覆盖停运前的 35 周活动期，并提供对其对话语影响的定性洞见。