[論文レビュー] Sneak into Devil's Colony- A study of Fake Profiles in Online Social Networks and the Cyber Law

Mudasir Ahmad Wani, Suraiya Jabin+2 more|arXiv (Cornell University)|Mar 22, 2018

Spam and Phishing Detection参考文献 61被引用数 7

ひとこと要約

本稿はオンラインソーシャルネットワーク（OSN）におけるなりすましプロフィールの調査を行い、それぞれのタイプを改ざん済み、クラーニング済み、ボット型（例：スパムボット、いいねボット）に分類する。特徴工学と機械学習を用いた検出フレームワークを提案し、データ不足の問題を解決するための新規収集技術を提示するとともに、法的整備の不備を指摘し、より効果的な執行を促進する。

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.

研究の動機と目的

• 増加するサイバー犯罪に起因するオンラインソーシャルネットワークにおけるなりすましプロフィールの脅威の増大を分析すること。
• 改ざん済み、クラーニング済み、ボットベースのタイプに分類し、それぞれの行動的・構造的特徴を特定すること。
• 検出システムの学習に必要ななりすましユーザーデータの限界を解決すること。
• リアルタイムでのなりすましプロフィール検出に適した機械学習手法の評価。
• 現在のサイバー法がなりすましプロフィール関連のサイバー犯罪の抑止および摘罰に十分に対応できているかを評価すること。

提案手法

• なりすましプロフィールを4つの主要カテゴリに分類：改ざん済み、クラーニング済み、スパムボット、ソーシャルボット、いいねボット、インフルエンサー・ボット。
• プロフィールの完成度、フレンド数、投稿頻度、ネットワーク構造などの特徴を特定し、検出に活用。
• 現存するデータセットに欠けている現実的ななりすましユーザーのデータ収集を可能にする、特化したデータ収集技術を提案。
• 特徴工学により生成された特徴量を用いて、SVM、ランダムフォレスト、ニューラルネットワークなどの機械学習モデルを訓練し、なりすましプロフィールと本物のプロフィールを分類。
• 検出されたプロフィールタイプを関連するサイバー法にマッピングし、法的実行可能性と法的ギャップを評価。
• 特徴ベースの検出と法的枠組みを統合し、自動化された執行および政策提言を支援。

実験結果

リサーチクエスチョン

• RQ1 オンラインソーシャルネットワークに見られるなりすましプロフィールの主なタイプは何か。また、行動的・構造的特徴においてどのように異なるか。
• RQ2 異なるOSNプラットフォーム間で、なりすましプロフィールと本物のプロフィールを効果的に区別できる具体的な特徴は何か。
• RQ3 検出モデルの学習に使用するラベル付きなりすましユーザーデータの不足を、研究者がどのように克服できるか。
• RQ4 リアルタイムでさまざまなタイプのなりすましプロフィールを検出する際に、最も効果的な機械学習手法は何か。
• RQ5 現在のサイバー法は、なりすましプロフィール活動の検出、防止、摘罰に関して、十分に対応できているか。

主な発見

• OSNにおけるなりすましプロフィールは、主に改ざん済み（ハッキングされたアカウント）、クラーニング済み（複製プロフィール）、ボット駆動型（スパム、いいね、ソーシャル、インフルエンサー系ボット）に分類される。
• プロフィール年齢、フレンド数、投稿パターン、ネットワークの中心性といった指標を用いた特徴ベースの検出は、分類精度を顕著に向上させる。
• 公開可能ななりすましユーザーのデータセットの不足は、堅牢な検出システムの学習を妨げる主要な障壁のままである。
• ランダムフォレストやSVMといった機械学習モデルは、高い正確性と再現率を示し、なりすましプロフィールを効果的に識別できる。
• 現在のサイバー法は、ボットネットワークやクロスプラットフォーム乱用といった、なりすましプロフィール作成者の進化した戦術に対応できていない。
• 技術的検出能力と法的執行の間にはギャップが存在し、自動検出システムを支援する強力な立法枠組みの整備が不可欠である。