Forscher der Ben-Gurion University haben zusammen mit Kollegen aus Washington eine neue generische Methode entwickelt, um gefälschte Accounts in den meisten sozialen Netzwerken, einschliesslich der beliebten Seiten Facebook und Twitter, zu identifizieren. Der Algorithmus basiert auf maschinellem Lernen und kann seine Leistung auf Dauer sogar noch steigern.
"Angesichts der jüngsten beunruhigenden Nachrichten über das Versäumnis, die Privatsphäre der Nutzer zu schützen und den gezielten Einsatz sozialer Medien durch Russland, um Wahlen zu beeinflussen, war die Eliminierung gefälschter Nutzer nie von grösserer Bedeutung", betont Studienautor Dima Kagan. Die Reseracher haben ihren neu entwickelten Algorithmus an simulierten und realen Datensätzen in zehn verschiedenen sozialen Netzwerken getestet. Auf allen Seiten hat er gute Ergebnisse erzielt.
Der Algorithmus besteht aus zwei Durchläufen, basierend auf maschinellem Lernen. Im ersten Durchlauf wird ein "Link Prediction Classifier" erstellt, der mit hoher Genauigkeit die Wahrscheinlichkeit einer Verbindung zwischen zwei Benutzern schätzt. Im zweiten Durchlauf wird eine neue Gruppe von Meta-Merkmalen generiert, basierend auf den Merkmalen, die vom Link Prediction Classifier zuvor erstellt wurden.
Abschliessend nutzen die Forscher diese Meta-Merkmale und konstruierten einen generischen Klassifikator, der gefälschte Profile in sozialen Netzwerken erkennt. "Unsere Methode übertrifft andere Anomalie-Erkennungsmethoden und wir glauben, dass sie ein beträchtliches Potenzial für eine breite Palette von Anwendungen - insbesondere im Bereich der Cyber-Sicherheit - bietet", resümieren die Researcher. Das Team hat erst kürzlich auch einen "Social Privacy Protector" entwickelt, um Benutzern zu helfen, ihre Freundesliste in Sekundenschnelle zu analysieren und Fake-Profile darin zu finden.
Der Online-Stellenmarkt für ICT Professionals