[논문 리뷰] Temporal Nuances of Coordination Network Semantics

Derek Weber, Lucia Falzon|arXiv (Cornell University)|2021. 07. 06.

Complex Network Analysis Techniques인용 수 6

한 줄 요약

이 논문은 소셜 미디어에서의 공조 네트워크에 대한 시간적 분석을 통해 위조된 행동을 탐지하는 방법을 제안하며, 공동 활동의 의미론과 먼저 다른 이들을 리트윗하는 '치어리더' 계정을 집중적으로 분석한다. 세 개의 정치적 트위터 데이터셋에서 공동 리트윗의 시간 패턴을 분석함으로써, 일관된 첫 번째 리트윗 행동—특히 고빈도로 오랫동안 활동하는 계정과 함께—는 봇 공조를 시사하며, 정적 네트워크 지표를 넘어서 탐지 성능을 향상시킨다.

ABSTRACT

Current network-based methods for detecting coordinated inauthentic behaviour on social media focus primarily on inferring links between accounts based on common "behavioural traces" [19], such as retweeting the same tweet or posting the same URL. Assuming the goal of coordination is amplification, boosting a message within a constrained period, most approaches use a temporal window to ensure the co-activity occurs within a specific timeframe [9, 14, 19, 24]. Real-world application requires considering near real-time processing, creating performance requirements, which also highlight gaps in the semantics of coordination in the literature. These methods could all exploit temporal elements of coordinated activity. We describe preliminary research regarding coordination network semantics, coordination network construction, relevant observations in three political Twitter datasets and the role of cheerleaders in revealing social bots.

연구 동기 및 목표

• 기존의 공조 네트워크 모델에서 시간적 의미론의 부족을 해결하기 위해.
• 공동 활동(예: 공동 리트윗)의 시간 패턴을 분석함으로써, 높은 공조 공동체(HCCs) 내에서의 조작된 위조 행동 탐지 성능을 향상시키기 위해.
• 일관되게 다른 이들을 먼저 리트윗하는 '치어리더' 계정을 식별하고 특성화하기 위해.
• 기존의 네트워크 집계에서 잃어버리는 시간적 동역학을 유지하면서, 근접 실시간으로 공조 네트워크를 분석할 수 있는 방법을 개발하기 위해.
• 2020년 공화당 대규모 회의 기간 동안의 공조를 집중적으로 분석하기 위해, 세 개의 정치적 트위터 데이터셋을 사용하여 접근법을 검증하기 위해.

제안 방법

• 고정된 시간 윈도우로 소셜 미디어 스트림을 분할하고, 각 윈도우 내에서 공동 활동(예: 공동 리트윗, 공유 URL 등)을 식별함으로써 동기화된 행동 네트워크를 구축한다.
• 간선이 계정 간의 공동 활동 빈도를 나타내는 무방향 가중치 네트워크를 구축하며, 간선은 시간 윈도우 간에 집계된다.
• 공동 공동체(HCCs)를 식별하기 위해 커뮤니티 탐지 알고리즘(예: kNN, FSA_V, 다중 해상도 필터링)을 적용한다.
• 이중 수준 분석을 도입한다: (1) 공동 리트윗 시간 패턴의 시간적 분석(누가 먼저 게시하는가), (2) 일반적인 계정 활동 패턴(예: 트윗 빈도, 팔로워 수, 신뢰도 점수).
• 자동화 가능성 평가를 위해 Botometer CAP(Complete Automation Probability) 점수와 신뢰도 지표( |reputation = |followers| / (|friends| + |followers|)| )를 사용한다.
• 공동 리트윗 빈도와 행(row) 계정이 먼저 게시하는 비율을 보여주는 격자 시각화를 통해 공조 의미론을 시각화하며, 치어리더 행동 식별에 기여한다.

실험 결과

연구 질문

• RQ1 공동 활동—특히 공동 리트윗의 시간 패턴—에서 드러나는 시간적 패턴은 정적 네트워크 모델이 포착하지 못하는 숨겨진 공조 의미론을 어떻게 드러내는가?
• RQ2 공동 활동에서 일관된 첫 번째 리트윗 행동은 공조 네트워크 내에서 치어리더 계정의 존재를 어느 정도 시사하는가?
• RQ3 HCC 내 계정의 활동 패턴과 자동화 가능성 확률은 그들의 공조 역할(예: 치어리더 대비 중심 허브)과 어떻게 관련이 있는가?
• RQ4 공동 활동의 시간적 분석은 특히 근접 실시간 응용에서 조작된 공조 행동 탐지에 어떤 영향을 미칠 수 있는가?
• RQ5 장기간 활동하고 높은 활동 빈도와 높은 신뢰도 점수를 가진 계정은, 기본적인 봇 탐지 기준을 회피하더라도 어떻게 공조된 메시지를 지속적으로 뒷받침하는가?

주요 결과

• 계정 @TWR(TrumpWarRoom)는 각각 74, 79, 18회의 공동 리트윗에서 계정 9, 10, 11에 의해 항상 먼저 리트윗되었으며, 이는 체계적인 공조 행동을 시사한다.
• 계정 9와 10은 64번의 공동 리트윗을 공유했고, 각각 약 절반의 경우에 먼저 게시하여, 일방적인 치어리딩이 아닌 진정한 상호 공조를 나타낸다.
• CAP 점수가 0.92이며 8.5년 동안 활동한 계정 11은 일일 평균 36.1개의 트윗을 게시했고, @TWR와의 공동 리트윗 171회 중 2위를 차지하여 자동화 가능성 확률이 매우 높다.
• 8.8년 동안 활동하고 일일 평균 32.1개의 트윗을 게시한 계정 9는 CAP 점수가 0.80이며, @TWR와의 공동 리트윗 74회 중 2위를 차지하여 자동화된 행동을 시사한다.
• 0.9년밖에 되지 않은 젊은 계정 10은 일일 평균 78.7개의 트윗을 게시했고, CAP 점수가 0.79이었으며, 최근에 생성된 상태임에도 불구하고 높은 자동화 가능성 확률을 보였다.
• 높은 트윗 빈도, 장기적인 활동 기간, 높은 CAP 점수—특히 일관된 첫 번째 리트윗 행동과 함께—의 조합은 계정 9, 10, 11이 @TWR를 지원하는 치어리더 또는 봇일 가능성이 매우 높음을 강력히 시사한다.