핵심 개념
구조 정보 이론을 활용하여 소셜 봇 네트워크의 중요한 구조를 밝혀내고, 이를 통해 계층적 클러스터링과 비지도 탐지를 달성하는 효과적이고 실용적인 프레임워크를 제안한다.
초록
이 논문은 구조 정보 이론을 기반으로 한 비지도 소셜 봇 탐지 프레임워크 UnDBot을 제안한다.
첫째, 사용자 행동 특성의 유사성을 바탕으로 새로운 유형의 관계를 정의하여 다중 관계 그래프를 구축한다. 이를 통해 단순한 상호작용 관계에 의존하는 기존 접근법의 한계를 극복한다.
둘째, 다중 관계 그래프의 구조 엔트로피를 최적화하는 새로운 방법을 제안한다. 이를 통해 계층적 커뮤니티 분할을 달성하고, 소셜 봇 커뮤니티를 효과적으로 식별할 수 있다.
셋째, 커뮤니티 영향력과 응집력을 결합한 새로운 커뮤니티 레이블링 방법을 제안한다. 이를 통해 소셜 봇 커뮤니티와 일반 사용자 커뮤니티를 구분할 수 있다.
실험 결과, UnDBot은 기존 비지도 소셜 봇 탐지 모델과 비교하여 우수한 성능을 보였으며, 해석 가능성 또한 입증되었다.
통계
소셜 봇은 일반적으로 프로그램에 의해 제어되며, 인간인 척하여 해로운 정보와 신뢰성이 낮은 정보를 게시한다.
소셜 봇은 공중 행동을 조종하거나 안내하여 사회적 신뢰를 저하시키고 정보 전파를 혼란스럽게 만든다.
예를 들어 COVID-19에 대한 잘못된 정보를 퍼뜨려 "정보 전염병"을 일으켰다.
인공지능 콘텐츠 생성 기술의 발전으로 소셜 봇 탐지와 반탐지 간의 경쟁이 더욱 치열해지고 있다.
인용구
"소셜 봇은 일반적으로 프로그램에 의해 제어되며, 인간인 척하여 해로운 정보와 신뢰성이 낮은 정보를 게시한다."
"소셜 봇은 공중 행동을 조종하거나 안내하여 사회적 신뢰를 저하시키고 정보 전파를 혼란스럽게 만든다."
"예를 들어 COVID-19에 대한 잘못된 정보를 퍼뜨려 '정보 전염병'을 일으켰다."