![Page 1: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/1.jpg)
{
Közösségi spammelés felismerése és eliminálása
Kivonat – Pletser József
![Page 2: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/2.jpg)
Közösségi mézesmadzagok Profilok statisztikai analízise Közösségi spammerek a Twitteren
és a MySpace-en. Mézesmadzag alapú felderítő
rendszerek Statisztika a spammerekről
Absztrakt
![Page 3: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/3.jpg)
Az internethasználók több időt töltenek közösségi oldalakon
A cégeknek máshol kell megtalálni a célközönségüket
Közösségi média rendszerek függenek a felhasználóktól
Spammerek azonosíthatók viselkedésük és profilképük alapján
Bevezetés
![Page 4: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/4.jpg)
500 millió felhasználó 14 millió közösségi oldal különféle
témákban Videó, fénykép, és oldalmegosztás Felhasználói kultúra A cikk írásakor a legnépszerűbb oldalnak
500000 rajongója volt
![Page 5: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/5.jpg)
Felhasználók 80%-a kapott kéretlen ismerős felkérést
Óvatlan felhasználók kiadják az adataikat Nem feltétlenül csak reklámozás céljából
spammelnek Felderítésükhöz HIL adatbővítés
szükséges Mindig visszajönnek
Szomorú tények
![Page 6: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/6.jpg)
Emberi interakció nélkül Közösségi oldalak spamprofiljainak a
begyűjtésére Statisztikai felhasználói modell
fejlesztése Nulla napos spammerek kiszűrése
Mézesmadzag alapú felderítés
![Page 7: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/7.jpg)
Online közösség modellezése
![Page 8: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/8.jpg)
Kép hisztogramja alapján (illetve emberi logika alapján)
Szövegek alapján (URL a szövegben, kulcsszavak)
Felhasználói profilok alapján (spammer profilok jellemzői – kevés ismerős)
Jellemzők kinyerése
![Page 9: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/9.jpg)
A közösségi spam felismerési probléma megállapítani egy c osztályozó egységen keresztül, hogy melyik ui a spammer, úgy, hogy pi adott. Egy osztályozó
c: ui {spammer, törvényes felhasználó} halmazba képző függvény, megállapítja,
hogy ui spammer, vagy sem. C-hez szükség van különböző jellemzőket
tartalmazó halmazra. F= {f1, f2, … , fm}, mely U elemeire
hivatkozik.A probléma meghatározása
![Page 10: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/10.jpg)
Megoldás megközelítése
![Page 11: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/11.jpg)
A profilok spammelő viselkedése különböző jól elkülöníthető mintákra épülnek.
A legnépszerűbb spammelési célpontok a középnyugati állapok, és a legtöbb spam profil Californiában lakik.
A spammer profilok 57.2%-a egy másik profilról másolta a „Rólam” részt.
Sok spam profil megkülönböztethető demográfiai jellemzőket alakítottak ki (pl. kor, kapcsolat, stb.)
MySpace megfigyelések
![Page 12: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/12.jpg)
Click traps Friend Infiltrators Pornographic storytellers Japanese Pill pushers Winnies
Spammer profilok statisztikái
![Page 13: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/13.jpg)
Duplicate spammers Pornographic spammers Promoters Phisers Friend infiltrators
Twitter megfigyelések
![Page 14: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/14.jpg)
{A spammerek azonnali kiküszöbölése
Research Study 2
![Page 15: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/15.jpg)
A kivehető spammelésre utaló jelek a begyűjtött spammer profilokból használhatóak-e arra, hogy automatikusan megkülönböztethessük a spammereket a törvényes felhasználóktól.
Ha biztos mintáink vannak (ahogy a megfigyelések az előző fejezetben kimutattak bizonyos mintákat), akkor az osztályozó egység megfigyelhet jeleket, amik alapján megjósolhatunk egy új spamet
Probléma megfogalmazása
![Page 16: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/16.jpg)
Felhasználói demográfia: kor, nem, lakóhely és egyéb a felhasználót jellemző információk
A felhasználó által megosztott információk: például a „Rólam” mező, blog bejegyzések, kommentek.
Felhasználói aktivitás jellemzői: Posztolási gyakoriság, csirip gyakoriság
Felhasználói kapcsolatok: barátok száma, követők, illetve követett személyek.
Osztályozó egység megközelítése és metrikája
![Page 17: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/17.jpg)
104 törvényes felhasználó 168 spammer (spammer és hirdető) Minden felhasználó adata Cél: a felhasználó törvényes, spammer,
vagy hirdető?
Twitter spammerek osztályozása
![Page 18: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/18.jpg)
![Page 19: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/19.jpg)
Követők és a követettek átlaga, és a kétirányú barátságok (követettek ∩ követők) / követettek
Csiripek és az azokból levonható tanulságok:
A linkek számának aránya A különböző linkek száma A @<felhasználónév> kifejezések aránya Az egyedi @<felhasználónév> kifejezések
aránya
Támpontok a Twitteren
![Page 20: Közösségi spammelés felismerése és eliminálása](https://reader036.vdocuments.pub/reader036/viewer/2022083008/56814598550346895db28ad4/html5/thumbnails/20.jpg)
A spammereknek saját taktikáik vannak Azonosításuk nem lehetetlen Profilok alapján beskatulyázhatóak Különböző jellemzők segítenek.
Összegzés