211service.com
Wie fortschrittliche Socialbots Twitter infiltriert haben
Wenn Sie einen Twitter-Account haben, besteht die Möglichkeit, dass Sie weniger als 50 Follower haben und selbst weniger als 50 Personen folgen. Sie kennen wahrscheinlich viele dieser Leute gut, aber es können auch einige auf Ihrer Liste stehen, die Sie noch nie getroffen haben.
Hier ist eine interessante Frage: Woher wissen Sie, dass es sich bei diesen Twitter-Benutzern um echte Menschen und nicht um automatisierte Konten, sogenannte Bots, handelt, die Ihnen Links und Nachrichten füttern, die Ihre Meinung beeinflussen sollen?
Man könnte sagen, dass Bots nicht sehr ausgefeilt und so leicht zu erkennen sind. Und dass Twitter die Twittersphere überwacht und nach allen gefundenen automatisierten Konten sucht und diese entfernt. Folglich ist es unwahrscheinlich, dass Sie unwissentlich automatisierten Konten folgen, ob böswillig oder nicht.
Wenn Sie dieser Meinung sind, sollten Sie dies vielleicht nach der Arbeit von Carlos Freitas von der Bundesuniversität von Minas Gerais in Brasilien und einigen Freunden revidieren, die untersucht haben, wie einfach es für Socialbots ist, Twitter zu infiltrieren.
Ihre Ergebnisse werden überraschen. Sie sagen, dass ein erheblicher Teil der von ihnen erstellten Socialbots nicht nur soziale Gruppen auf Twitter infiltriert, sondern auch unter ihnen einflussreich geworden ist. Darüber hinaus haben Freitas und Co. die Eigenschaften identifiziert, die Socialbots am ehesten erfolgreich machen.
Diese Jungs begannen damit, 120 Socialbots zu entwickeln und sie auf Twitter loszulassen. Die Bots erhielten ein Profil, wurden männlich oder weiblich gemacht und erhielten zunächst ein paar Follower, von denen einige andere Bots waren.
Die Bots generieren Tweets entweder durch das erneute Posten von Nachrichten, die andere gepostet haben, oder indem sie ihre eigenen synthetischen Tweets erstellen, indem sie ein Regelwerk verwenden, um gängige Wörter zu einem bestimmten Thema herauszupicken und zu einem Satz zusammenzufügen.
Den Bots wurde auch ein Aktivitätslevel zugewiesen. Hohe Aktivität entspricht mindestens einem stündlichen Posten und niedrige Aktivität entspricht einem alle zwei Stunden durchgeführten Posting (obwohl beide Gruppen im Vergleich zu den meisten Menschen ziemlich aktiv sind). Die Bots schliefen auch zwischen 22 Uhr. und 9 Uhr pazifischer Zeit, um die Ausfallzeiten menschlicher Benutzer zu simulieren.
Schließlich wurden sie eingerichtet, um einer von drei verschiedenen Menschengruppen zu folgen. Die erste bestand aus 200 zufällig aus dem Twitter-Stream ausgewählten Personen, die zweite bestand aus 200 Personen, die regelmäßig Tweets zu einem bestimmten Thema posten, in diesem Fall Softwareentwicklung, und die letzte Gruppe bestand aus 200 Softwareentwicklern, die alle sozial miteinander verbunden waren Twittern.
Nachdem sie die Socialbots losgelassen hatten, war die erste Frage, die Freitas und Co. beantworten wollten, ob ihre Angeklagten die von Twitter eingerichteten Abwehrmaßnahmen umgehen könnten, um automatisiertes Posten zu verhindern. In den 30 Tagen, in denen das Experiment durchgeführt wurde, seien 38 von 120 Socialbots gesperrt worden, heißt es. Mit anderen Worten, 69 Prozent der Social Bots entgingen der Entdeckung.
Die interessantere Frage war jedoch, ob die Social Bots erfolgreich die sozialen Gruppen infiltrieren können, für die sie eingerichtet wurden. Und in dieser Hinsicht sind die Ergebnisse überraschend. Über die Dauer des Experiments erhielten die 120 Socialbots insgesamt 4.999 Follows von 1.952 verschiedenen Nutzern. Und mehr als 20 Prozent von ihnen haben über 100 Follower gewonnen, das sind mehr Follower als 46 Prozent der Menschen auf Twitter.
Freitas und Co. überwachten auch den Klout-Score jedes ihrer Social Bots, um zu sehen, wie es ihnen ergangen ist. (Klout ist ein Onlinedienst, der den Einfluss von Twitter-Accounts misst und ihnen eine Punktzahl zwischen 0 und 100 gibt). Wir stellen fest, dass die Socialbots Klout-Werte in der gleichen Größenordnung (oder manchmal sogar höher als) einiger bekannter Akademiker und Forscher sozialer Netzwerke erreichten, sagen sie.
Das Team hat die Daten auch auseinander genommen, um herauszufinden, welche Faktoren zum Erfolg der Bots beigetragen haben. Es überrascht nicht, dass das Aktivitätsniveau wichtig ist und die aktiveren Bots eine größere Popularität in ihren sozialen Netzwerken erreicht haben. Dies ist zu erwarten, da aktivere Bots eher von anderen gesehen werden (obwohl sie auch eher von den Abwehrmechanismen von Twitter erkannt werden).
Überraschenderweise schnitten auch die Socialbots, die synthetische Tweets generierten (anstatt nur neu zu posten), besser ab. Das deutet darauf hin, dass Twitter-Nutzer nicht zwischen von Menschen und Bots generierten Beiträgen unterscheiden können. Dies liegt möglicherweise daran, dass ein Großteil der Tweets in Twitter in einem informellen, grammatikalisch inkohärenten Stil geschrieben ist, sodass selbst einfache statistische Modelle Tweets mit einer ähnlichen Qualität produzieren können, wie sie von Menschen in Twitter gepostet werden, vermuten Freitas und Co.
Große Wirkung hatten auch die Gruppen, denen die Socialbots folgen sollten. Die Gruppe der sozial vernetzten Softwareentwickler produzierte die wenigsten Follower, während die Gruppe der zufällig ausgewählten Softwareentwickler die meisten von ihnen generierte.
Auch das Geschlecht spielte eine Rolle. Während männliche und weibliche Bots insgesamt gesehen gleich effektiv waren, waren weibliche Social Bots viel effektiver bei der Gewinnung von Followern in der Gruppe der sozial vernetzten Softwareentwickler. Dies deutet darauf hin, dass das Geschlecht der Socialbots einen Unterschied machen kann, wenn die Zielbenutzer geschlechtsspezifisch sind, sagen Freitas und Freunde.
Das ist eine interessante Arbeit. Es deutet darauf hin, dass die Twittersphere anfälliger für automatisierte Angriffe sein könnte als bisher angenommen.
Diese Erkenntnis kann erhebliche Auswirkungen auf bestimmte Arten von Gruppen auf Twitter haben. In den letzten Jahren sind eine Reihe von Diensten entstanden, um das Interesse und die Meinung von Twitter-Nutzern zu einer Vielzahl von Themen zu messen, wie etwa Abstimmungsabsichten, Produktstimmung, Krankheitsausbrüche, Naturkatastrophen und so weiter.
Die Sorge ist, dass automatisierte Bots so konzipiert sein könnten, dass sie die Meinung in einem oder mehreren dieser Bereiche erheblich beeinflussen. Es wäre beispielsweise relativ einfach, einen Bot zu erstellen, der falsche Gerüchte über einen politischen Kandidaten verbreitet, die eine Wahl beeinflussen könnten.
Die Arbeit von Freitas und Co ist also ein Weckruf für Twitter. Will sie solche Angriffe erfolgreich verhindern, muss sie ihre Abwehrmechanismen deutlich verbessern. Und da diese Arbeit aufdeckt, was Bots erfolgreich macht, hat das Forschungsteam von Twitter einen Vorteil.
Der Trick besteht darin, Social Bots zu erkennen und auszuschließen, ohne dabei irrtümlicherweise menschliche Nutzer auszuschließen. Das wird keine leichte Aufgabe.
Aber mit geschätzten 20 Millionen gefälschten Twitter-Konten, die bereits eingerichtet wurden, verfügen die Twitter-Forscher über viele Daten, mit denen sie arbeiten können.
Ref: arxiv.org/abs/1405.4927 : Reverse Engineering Socialbot-Infiltrationsstrategien in Twitter