[论文解读] Fake it till you make it: Fishing for Catfishes

Walid Magdy, Yehia Elkhatib+3 more|arXiv (Cornell University)|May 18, 2017

Sexuality, Behavior, and Technology参考文献 22被引用 4

一句话总结

本研究提出一种自动化方法，通过在经验证的用户资料上训练分类器来预测真实年龄和性别，进而识别出与预测明显偏离的未经验证资料，以检测成人社交网络中的“人皮”行为。研究发现，38%的未经验证资料可能在年龄上说谎，25%在性别上说谎，女性比男性更倾向于实施人皮行为，尤其是通过伪装成更年轻的女性来获取更高的受欢迎度。

ABSTRACT

Many adult content websites incorporate social networking features. Although these are popular, they raise significant challenges, including the potential for users to "catfish", i.e., to create fake profiles to deceive other users. This paper takes an initial step towards automated catfish detection. We explore the characteristics of the different age and gender groups, identifying a number of distinctions. Through this, we train models based on user profiles and comments, via the ground truth of specially verified profiles. Applying our models for age and gender estimation of unverified profiles, we identify 38% of profiles who are likely lying about their age, and 25% who are likely lying about their gender. We find that women have a greater propensity to catfish than men. Further, whereas women catfish select from a wide age range, men consistently lie about being younger. Our work has notable implications on operators of such online social networks, as well as users who may worry about interacting with catfishes.

研究动机与目标

• 调查成人在线社交网络中‘人皮’行为（特别是关于年龄和性别欺骗）的普遍程度。
• 开发机器学习模型，利用经验证资料中的特征预测真实用户人口统计信息（年龄和性别）。
• 识别出与预测人口统计信息明显偏离的未经验证资料，作为潜在人皮者。
• 分析检测到的人皮者与诚实用户在行为和受欢迎度模式上的差异。
• 通过比较用户活动和网络指标的差异，探讨人皮行为背后的动机。

提出的方法

• 本研究使用从PornHub爬取的99,727个用户资料数据集，其中包含经人工验证的资料，作为准确人口统计信息的基准。
• 采用前沿技术训练监督分类器，从资料内容和用户评论中预测性别和年龄。
• 特征包括文本内容、资料元数据以及好友数量和资料浏览量等行为信号。
• 若某资料报告的人口统计信息与模型预测结果显著偏离，则被归类为人皮者。
• 该方法假设经验证资料为真实信息，且未经验证资料的人口统计分布与经验证资料相似。
• 分析好友数量和资料浏览量等受欢迎度指标，以比较人皮者与诚实用户的表现。

实验结果

研究问题

• RQ1 成人社交网络中的用户在多大程度上会隐瞒自己的年龄和性别？
• RQ2 基于经验证资料训练的机器学习模型，能否准确预测未经验证用户的真实年龄和性别？
• RQ3 人皮者在行为和受欢迎度方面与诚实用户有何不同？
• RQ4 用户进行人皮行为的动机可能是什么，尤其是与性别和年龄欺骗相关时？
• RQ5 是否存在人皮行为的人口统计模式，例如男女之间的差异？

主要发现

• 38%的未经验证资料被预测在年龄上说谎，表明该平台上年龄欺骗现象普遍存在。
• 25%的未经验证资料被预测在性别上说谎，女性在人皮行为中的倾向显著高于男性。
• 男性人皮者（即男性伪装成女性）的受欢迎度与真实女性用户相当，平均获得16,590次资料浏览和314位好友。
• 女性人皮者（即女性伪装成男性）获得的浏览量（8,719次）和好友数（151位）远低于诚实男性用户，表明其欺骗行为成效有限。
• 男性人皮者，尤其是年龄在30至55岁之间的用户，从欺骗中获益最多，其好友数和浏览量均高于真实男性用户（平均仅6,098次浏览和195位好友）。
• 研究观察到，伪装成女性的男性通常选择更年轻的年龄，而伪装成男性的女性则选择更广泛的年龄范围，表明其欺骗策略是基于目标受众精心设计的。