AgentBotSpotter : a multi-agent system for online Twitter bot detection

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorRalha, Célia Ghedini-
Autor(es): dc.creatorAbreu, Jefferson Viana Fonseca-
Data de aceite: dc.date.accessioned2022-02-10T21:13:28Z-
Data de disponibilização: dc.date.available2022-02-10T21:13:28Z-
Data de envio: dc.date.issued2021-12-25-
Data de envio: dc.date.issued2021-12-25-
Data de envio: dc.date.issued2021-12-25-
Data de envio: dc.date.issued2021-09-17-
Fonte completa do material: dc.identifierhttps://repositorio.unb.br/handle/10482/42639-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/647662-
Descrição: dc.descriptionDissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.-
Descrição: dc.descriptionRedes sociais online como o Twitter fornecem um novo canal para permitir a interação entre seres humanos. Porém, seu sucesso atraiu o interesse em ataques e exploração por meio de uma ampla gama de atividades antiéticas, como ações maliciosas para manipular usuários. Um dos métodos para realizar esses abusos é o uso de robôs no Twitter. Tal comportamento necessita de investigação com o objetivo de diminuir seus efeitos. Recen- temente, classificadores com aprendizado de máquina para distinguir entre contas reais e de robô têm avanços comprovados. Neste trabalho, explorou-se esta técnica através da construção de um sistema multiagentes capaz de fazer a detecção do robô do Twit- ter de forma autônoma. Este sistema é baseado na classificação supervisionada com três algoritmos de aprendizado de máquina e um conjunto reduzido de features descoberto e publicado em um trabalho anterior. Quando testado offline, este sistema multiagentes obteve bom desempenho com uma média de AUC igual a 0,9856 e um desvio padrão de 0,0199. Ao usá-lo para detecção de robôs online em uma prova de conceito, resultados sugerem que 88,19% dos robôs detectados foram rotulados corretamente. Em um exper- imento mais abrangente, mais de 780 mil tuítes foram capturados e analisados. Dentre esses, 1597 eram provenientes de perfis classificados como robôs (678 perfis únicos), indi- cando que a abordagem usada é viável e prática para o problema de detecção de robô em tempo real.-
Descrição: dc.descriptionOnline social networks like Twitter provide a novel channel to allow interaction between human beings. However, its success has attracted interest in attacking and exploiting through a wide range of unethical activities, such as malicious actions to manipulate users. One of the methods to carry out these abuses is the use of bots on Twitter. Such behavior needs investigation aiming to mitigate its effects. Recently, machine learning (ML) classifiers to distinguish between real and bot accounts have proven advances. In this work, we explored the technique by constructing a multi-agent system (MAS) ca- pable of performing the Twitter bot detection autonomously. It is based on supervised classification with three ML algorithms and a reduced set of features. When tested of- fline, this MAS achieved good performance with an average of AUC equal to 0.9856 and a standard deviation of 0.0199. Using it for online bot detection on a Proof of Concept results suggest that 88.19% of bots detected were correctly labeled. On a comprehensive experiment, more than 780 thousand tweets were captured during five days. 1,597 tweets were from profiles classified as bots (678 unique profiles), indicating that the approach used is feasible and practical for the real-time bot detection problem.-
Formato: dc.formatapplication/pdf-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectTwitter-
Palavras-chave: dc.subjectRobôs-
Palavras-chave: dc.subjectAprendizagem de máquina-
Palavras-chave: dc.subjectDetecção on-line-
Palavras-chave: dc.subjectRedes sociais-
Palavras-chave: dc.subjectSistema multi-agentes-
Título: dc.titleAgentBotSpotter : a multi-agent system for online Twitter bot detection-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.