Los bots son cuentas de redes sociales que están controladas por software artificial en lugar de por humanos y tienen una variedad de propósitos, desde la agregación de noticias hasta la asistencia automatizada al cliente para los minoristas en línea. Sin embargo, los bots han estado bajo el foco de atención recientemente ya que son empleados regularmente como partede los esfuerzos a gran escala en las redes sociales para manipular la opinión pública, como durante las campañas electorales.
Un nuevo estudio en Fronteras en física ha revelado la presencia de tendencias de comportamiento a corto plazo en humanos que están ausentes en los bots de redes sociales, proporcionando un ejemplo de una 'firma humana' en las redes sociales que podría aprovecharse para desarrollar estrategias de detección de bot más sofisticadas. La investigación es laprimer estudio de este tipo para aplicar el comportamiento del usuario en una sesión de redes sociales al problema de la detección de bots.
"Sorprendentemente, los bots mejoran continuamente para imitar cada vez más el comportamiento que los humanos suelen exhibir en las redes sociales. Cada vez que identificamos una característica que creemos es prerrogativa del comportamiento humano, como el sentimiento de temas de interés, pronto descubrimos quelos bots de código abierto desarrollados ahora pueden capturar esos aspectos ", dice el coautor Emilio Ferrara, profesor asistente de informática y líder del equipo de investigación en el Instituto de Ciencias de la Información de la Universidad del Sur de California.
En este trabajo, los investigadores estudiaron cómo cambió el comportamiento de los humanos y los bots en el transcurso de una sesión de actividad utilizando un gran conjunto de datos de Twitter asociado con eventos políticos recientes. En el transcurso de estas sesiones, los investigadores midieron varios factores para capturar al usuariocomportamiento, incluida la propensión a participar en interacciones sociales y la cantidad de contenido producido, y luego comparó estos resultados entre bots y humanos.
Para estudiar el comportamiento de los usuarios de bot y humanos durante una sesión de actividad, los investigadores se centraron en los indicadores de la cantidad y calidad de las interacciones sociales en las que participó un usuario, incluido el número de retweets, respuestas y menciones, así como la duración deel tweet en sí. Luego aprovecharon estos resultados de comportamiento para informar a un sistema de clasificación para la detección de bot para observar si la inclusión de características que describen la dinámica de la sesión podría mejorar el rendimiento del detector. Se utilizó una gama de técnicas de aprendizaje automático para entrenar dos conjuntos diferentesde clasificadores: uno que incluye las características que describen la dinámica de la sesión y otro sin esas características, como línea de base.
Los investigadores encontraron, entre los humanos, tendencias que no estaban presentes entre los bots: los humanos mostraron un aumento en la cantidad de interacción social en el transcurso de una sesión, ilustrado por un aumento en la fracción de retweets, respuestas y número de menciones contenidasen un tweet. Los humanos también mostraron una disminución en la cantidad de contenido producido, ilustrado por una tendencia decreciente en la duración promedio del tweet. Se cree que estas tendencias se deben al hecho de que a medida que avanzan las sesiones, los usuarios humanos se cansan y tienen menos probabilidades deemprender actividades complejas, como componer contenido original. Otra posible explicación puede darse por el hecho de que a medida que pasa el tiempo, los usuarios están expuestos a más publicaciones, lo que aumenta su probabilidad de reaccionar e interactuar con el contenido. En ambos casos, se mostraron botsno verse afectado por tales consideraciones y no se observó ningún cambio de comportamiento de ellas.
Los investigadores utilizaron estos resultados de comportamiento para informar un sistema de clasificación para la detección de bot y descubrieron que el modelo completo, incluidas las características que describen la dinámica de la sesión, superaron significativamente al modelo de referencia en su precisión de detección de bot, que no describía esas características.
Estos resultados resaltan que el comportamiento del usuario en las redes sociales evoluciona de manera notablemente diferente entre los bots y los humanos durante una sesión de actividad y también sugiere que estas diferencias pueden usarse para implementar un sistema de detección de bot o para mejorar los existentes.
Emilio destaca: "Los bots están en constante evolución, con avances rápidos en IA, es posible crear bots cada vez más realistas que pueden imitar cada vez más cómo hablamos e interactuamos en plataformas en línea".
"Estamos continuamente tratando de identificar dimensiones que son particulares del comportamiento de los humanos en las redes sociales que a su vez pueden usarse para desarrollar kits de herramientas más sofisticados para detectar bots".
Fuente de la historia :
Materiales proporcionado por fronteras . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :