[论文解读] The Rise of Social Botnets: Attacks and Countermeasures

Jinxue Zhang, Rui Zhang+2 more|arXiv (Cornell University)|Mar 8, 2016

Spam and Phishing Detection参考文献 30被引用 4

一句话总结

本文展示了社交僵尸网络如何通过将僵尸账户组织成转发树并协调互动来有效分发垃圾信息并操纵推特上的数字影响力评分，从而规避检测。本文提出了两种对策：一种基于垃圾信息评分的机制，用于暂停转发账户；一种对僵尸网络操纵具有抗性的基于可信度的数字影响力模型。研究通过真实实验和推特数据的追踪仿真进行了验证。

ABSTRACT

Online social networks (OSNs) are increasingly threatened by social bots which are software-controlled OSN accounts that mimic human users with malicious intentions. A social botnet refers to a group of social bots under the control of a single botmaster, which collaborate to conduct malicious behavior while mimicking the interactions among normal OSN users to reduce their individual risk of being detected. We demonstrate the effectiveness and advantages of exploiting a social botnet for spam distribution and digital-influence manipulation through real experiments on Twitter and also trace-driven simulations. We also propose the corresponding countermeasures and evaluate their effectiveness. Our results can help understand the potentially detrimental effects of social botnets and help OSNs improve their bot(net) detection systems.

研究动机与目标

• 调查社交僵尸网络通过协调转发行为，在分发垃圾信息时规避检测的有效性。
• 分析社交僵尸网络如何通过人为增加用户互动来操纵数字影响力评分（如Klout、Kred）。
• 设计并评估两种针对性对策：基于垃圾信息评分的检测机制，用于识别转发僵尸账户；一种具备可信度感知的影响力度量模型。
• 利用真实推特数据和追踪驱动的仿真验证所提出的防御机制。
• 为在线社交网络（OSNs）提供可操作的见解，以提升僵尸网络检测能力并增强对操纵行为的抗性。

提出的方法

• 将转发树的构建形式化为多目标优化问题，以最小化时间与成本并实现最大垃圾信息传播范围，由于问题为NP难，采用启发式解法。
• 通过真实推特实验和追踪驱动的仿真评估僵尸网络垃圾信息活动的性能。
• 提出一种垃圾信息评分机制，追踪垃圾内容的转发行为，并在用户超过阈值时暂停其账户。
• 引入一种基于可信度的数字影响力模型，通过排除来自不可信（可能为僵尸）账户的互动来抵抗操纵。
• 设计一种在单个可信社交僵尸存在下仍保持稳定的影响力评分模型。
• 使用真实推特数据集模拟并评估两种对策的有效性。

实验结果

研究问题

• RQ1 基于僵尸网络的转发树在最小化检测风险的同时，分发垃圾信息的效率如何？
• RQ2 社交僵尸网络通过协调互动在多大程度上能够操纵推特上的数字影响力评分？
• RQ3 基于转发行为的垃圾信息评分系统能否有效检测并暂停恶意僵尸账户？
• RQ4 如何使数字影响力评分对协调僵尸网络的操纵具备抗性？
• RQ5 使用可信用户互动对影响力度量的准确性与鲁棒性有何影响？

主要发现

• 转发树攻击在仅根僵尸账户面临被暂停风险的情况下实现了高垃圾信息传播范围，其余僵尸账户成功规避检测。
• 所提出的垃圾信息评分对策在阈值超过时成功暂停了恶意转发账户，显著减少了垃圾信息传播。
• 基于可信度的影响力模型在僵尸网络攻击下仍保持高准确性（超过70%），当K为100时，Top-K%准确性达到100%。
• 基于互动网络的防御机制在识别僵尸行为方面优于传统的基于关注关系的检测方法。
• 仿真结果证实，影响力评分模型对单个可信社交僵尸的操纵具备抗性。
• 本研究表明，社交僵尸网络对推特上的垃圾信息传播与数字影响力系统构成重大威胁。