تلاش محققین برای تولید فناوری شناسایی بات مخرب در شبکه‌های اجتماعی

0
568

محققین دانشگاه نیومکزیکو به تازگی موفق به تولید فناوری جدید با نام DEbot شده‌اند تا به دولت و توییتر به شناسایی بات‌‌های مخرب و حساب‌های جعلی کمک می‌کند.
به گفته استادیار علوم کامپیوتر دانشگاه نیومکزیکو عبدالله معین، این روزها با وجود قوانین گذاشته شده از سوی توئیتر در مقابل بات‌ها، جعل هویت و فعالیت‌های مشابه بات‌ها چند برابر شده‌اند، تا حدی که قوانین موجود در مقابل آن‌ها ناکارآمد به نظر می‌رسند.
وی افزود: «با وجود اینکه بعضی از قوانین توئیتر به برخی از بات‌ها برای مقاصد اطلاعاتی اجازه می‌دهد اما این بدان معنی نیست که آن‌ها بتوانند با هدف تأثیر بر افکار عمومی ایجاد شوند. اخیراً بات‌های مذکور با سرعت بالا تولید و به راحتی قابل شناسایی نیستند.»
از زمانی که محققین گروه دکتر معین متشکل از نیکان چاووشی، نور ابو ایراب، آماندا مینیه و حسین هامون شروع به شناسایی بات‌هاکردند، توانسته اند ۷۰۰هزار بات را از اکتبر ۲۰۱۵ شناسایی کنند. آن‌ها دریافتند حدود ۱۵۰۰ عدد بات در هروز تولید می‌شود که تنها بعضی از آن‌ها قانونی و بقیه مخربند.
برای نمونه یک بات مفید می‌تواند فیدهایی خبری مانند سی ان ان ورزشی یا سی ان ان سیاسی را به طور مرتب و متداوم به روز رسانی کند. این بات‌ها و نمونه‌هایی از این دست، بات‌هایی هستند که به سادگی اخبار را به اشتراک می‌گذارند و هیچ تلاشی برای جعل هویت با قصد جهت دهی به افکار عمومی ندارند و مفید به شمار می‌روند، به گونه‌ای که دیگر نیاز به بروز رسانی فیدها به صورت دستی نخواهد بود.
اما از سوی دیگر بات‌های مخربی وجود دارند که تحت جعل یک هویت و با هدف تأثیر گذاری بر افکار عمومی تولید می‌شوند به عنوان مثال در زمینه موسیقی ، این نوع بات‌ها افکار عمومی را به سمت هدف مورد نظر برای برنده شدن سوق می‌دهند. دکتر معین از این نوع بات‌ها با عنوان ارتش بات‌ها یاد کرده که در حمایت از گروه‌های موسیقی و ایجاد رقابت و درگیری بین آن‌ها نقش بسزایی داشته اند.
به علاوه نمونه ذکر شده، می‌توان از استفاده از بات‌های مخرب در میدان سیاست نام برد که مثال بارز آن انتخابات ریاست جمهوری آمریکا است. دکتر معین و تیم همکارش با شروع مناظره بین هیلاری کلینتون و ترامپ به ردیابی بات‌ها پرداختند و با استفاده از تحلیل گر متن باز IBM’s Watson توانستند بات‌ها را مانیتور کرده و نرخ تأثیر مثبت و منفی سخنان کاندیداها رو بررسی کردند. تحلیل مذکور نشان داد تعداد بات‌های که منجر به جهت دهی منفی به سمت کلینتون هستند دوبرابر ترامپ بوده است. به گفته معین نتایج این تحقیقات بسیار قابل توجه و حائز اهمیت است، چرا که مشخص می‌کند بات‌ها از چه منبعی بوده و می‌تواند اثرات احتمالی و تعیین کننده بر روی افکار عمومی بگذارد. اما متاسفانه در این میان نکته پیچیده ای وجود دارد و آن واقعیت وجود بات‌های ترکیبی است که که محتوای نامناسب را بعد از پست شدن پاک کرده و به نوعی شواهد موجود را از بین می‌برد.
گفتنی است برای یک کاربر عادی شناسایی یک بات مخرب تقریبا غیر ممکن است اما فناوری دکتر معین و تیمش راهی یافته است تا بتوان در زمان مناسب بات‌های جعلی را از راه فعالیت و همبستگی آن‌ها شناسایی کرد. در وبسایت این گروه با نام DeBot، می‌توان نمونه‌های مشابهی از توئیت‌ها رو توسط دو کاربر کاملا متفاوت مشاهده کرد.
به گفته دکتر معین تشخیص دو پست متفاوت برای کاربر عادی بسیار سخت و در اکثر موارد محال است اما فناوری ما به راحتی مثال‌های زیادی از حساب‌های کاربری با همبستگی بالا که محتوای مشخصی را در عرض ده ثانیه برای یکدیگر ری توییت کرده‌اند را شناسایی کرده و صد البته دو کاربر نمی‌توانند به طور همزمان یک محتوا ی دقیقا مشابه را برای ساعت ‌ها پست کنند که این طبیعتا مشکوک بوده و یک ربات به حساب می‌آید.
فن آوری DeBot که توسط این گروه ارائه شده است با گوش دادن به کلمات کلیدی، ایندکس گذاری و برداشتن کلمات حساس کاربران مشکوک را شناسایی کرده و این کاربران را خوشه بندی می‌کند تا بتواند بیشترین همبستگی را شناسایی و مواردی با نرخ بالا را اعلام کرده تا حساب آن‌ها به حالت تعلیق درآید.
دکتر معین معتقد با توجه به تکامل فناوری به طور مداوم و افزایش میزان اطلاعات منتشر شده که خود یک چالش به حساب می‌آید، امید است این فناوری بتواند تأثیر مثبتی در آینده داشته باشد.
در حال حاضر حدود۳۱۳ میلیون کاربر فعال توییتر وجود دارد که تنها ۱ درصد آن را توییتر برای این گروه فراهم کرده است که در همین میزان کم هزاران بات مخرب شناسایی شده است. معین در خاتمه گفت:«این کار محسباتی عظیمی است اما هدف نهایی ما این است که بتوانیم منابع اصلی این بات‌ها را شناسایی کرده و مانع تولید و گسترش آن‌ها شویم.»

منبع: phys.org