Detection of virtual multi-identities

• Autorzy: Opaliński A.

Warianty tytułu

PL

Detekcja wirtualnych multi-tożsamości

• Języki publikacji: EN

Abstrakty

EN

Last decade is a time of rapid evolution of the Internet. Various human's life areas are migrating into the cyberspace, where people exist and act through virtual identities-personalization of themselves. Groups of virtual identities with their relations and context form cybcrsocieties. Due to the unique cyberspace's structure, virtual identities are characterized by relatively high anonymity level. This cause the phenomena of the virtual multi-identities, where a single physical person incarnates a few virtual identities. This entails both positive and negative effects, and presented article concerns a negative one, which is deceptive opinion spam, generated by multi-identities of a single person. This problem constantly increases as relaying on the opinions from the WEB becomes very common. This article presents the concept which combines elements from various domains, linked in order to solve this problem and detect virtual multi-identities hiding in social networks such as web forums, blogs or recommendation portals. The paper describes a general concept and the architecture of the implemented system. At the end, the evaluation of the solution is carried out, based on the examples from the recommendation portal and web forum.

PL

Ostatnia dekada jest okresem dynamicznego rozwoju sieci Internet. Różne dziedziny życia ludzkiego stopniowo przenoszą się do cyberprzestrzeni, w ramach której ludzie reprezentowani są poprzez swoje wirtualne tożsamości. Grupy wirtualnych tożsamości, ich relacje oraz kontekst środowiskowy tworzą jako całość cyberspołeczeństwo. Z uwagi na unikalną strukturę cyberspołeczeństwa, wirtualne tożsamości charakteryzują się stosunkowo wysokim poziomem anonimowości. Jest to przyczyną występowania zjawiska wirtualnych multi-tożsamości, kiedy to jedna fizyczna osoba jest reprezentowana poprzez wiele tożsamości wirtualnych. Prowadzi to zarówno do pozytywnych jaki i negatywnych skutków, a jednego z tych negatywnych, dotyczy prezentowany artykuł. Jest to konkretnie zjawisko oszustwa opiniotwórczego, generowanego przez pojedyncze fizyczne osoby przy użyciu wielu tożsamości wirtualnych (multi-tożsamości). Problem ten nieustannie narasta, jako że sieć WEB jest coraz bardziej popularnym źródłem opinii. W pracy zaprezentowano koncepcje systemu łączącego rozwiązania z wielu dziedzin badawczych, mającego na celu pomóc w rozwiązywaniu problemu wykrywania multi-tożsamości, ukrywających się sieciach społecznych typu forum dyskusyjne, blog lub portal rekomendacyjny. W pracy zawarto opis koncepcji, architektury oraz części implementacyjnej systemu. Ocena skuteczności systemu przeprowadzona została w oparciu o przykłady z portalu rekomendacyjnego i forum dyskusyjnego.

Słowa kluczowe

EN

virtual-identities; cybersociety; opinion spam

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2014
• Tom: Vol. 14, No. 3
• Strony: 152--159
• Opis fizyczny: Bibliogr. 30 poz., rys.

Twórcy

autor

Opaliński A.

• AGH University of Science and Technology, Krakow, Poland

Bibliografia

• Chen, H. C, Goldberg, M., Magdon-Ismail, M. 2004. Identifying multi-ID users in open forums, Intelligence and Security Informatics, 176-186.
• Chen, C, Wu, K., Srinivasan, V., Zhang, X. 2013. Battling the internet water army: Detection of hidden paid posters, Proceedings of the 2013 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining, 116-120.
• Christopherson, K.M., 2007, The positive and negative implications of anonymity in Internet social interactions: On the Internet, nobody knows you're a dog, Computers in Human Behavior, 23(6), 3038-3056.
• de Vel, O., Anderson, A., Corney, M., Mohay, G., 2001, Mining e-mail content for author identification forensics, ACM Sigmod Record, 30(4), 55-64.
• International Telecommunication Union, 2012, Measuring the Information Society 2012, Place des Nations, CH-1211 Geneva Switzerland.
• Jindal, N., Liu, B., 2007, Analyzing and Detecting Review Spam, Data Mining, ICDM 2007, October 28-31, 547-552.
• Jindal, N., Liu, B., 2008, Opinion spam and analysis, Proceedings of the International Conference on Web Search and Web Data Mining, 219-230.
• Juola, P., 2007, Authorship attribution, Foundations and Trends in Information Retrieval, 1 (3), 233-334.
• Kim, S.M., Pantel, P., Chklovski, T., Pennacchiotti, M., 2006, Automatically assessing review helpfulness, Proc. of the 2006 Conference on Empirical Methods in Natural Language Processing, 423-430.
• Le, J., Edmonds, A., Hester, V., Biewald, L., 2010, Ensuring quality in crowdsourced search relevance evaluation: The effects of training question distribution, SIGIR 2010 Workshop on Crowdsourcing for Search Evaluation, 21-26.
• Li, J., Wang, G.A., Chen, H., 2010, Identity matching using personal and social identity features, Information Systems Frontiers, 13(1), 101-113.
• Maciolek, P., Dobrowolski, G., 2013, CLUO: Web-Scale Text Mining System for Open Source Intelligence Purposes, Computer Science, 14(1), 45. DOI: 10.7494.
• Miniwatts Marketing Group: World internet usage and population statistics, 2012, available online at:http://www.internctworldstats.com.
• Mukherjee, A., Liu, B., Glance, N., 2012, Spotting Fake reviewer groups in consumer reviews, Proc. of the 21st Int. Confon WWW, 191-200.
• Musial, K., Kazienko, P., 2013, Social networks on the internet, World Wide Web, 16 (I), 31-72.
• Ott, M., Choi, Y., Cardie, C, Hancock, J. T., 2011, Finding deceptive opinion spam by any stretch of the imagination, Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies, 1,309-319.
• Pillay, S.R., Solorio, T., 2010, Authorship attribution of web forum posts, In: eCrime Researchers Summit (eCrime), 1-7.
• Stamatatos, E., 2007, Author identification using imbalanced and limited training texts, 18th International Workshop onDEXA2007, 237-241.
• Stamatatos, E., 2009a, A survey of modern authorship attribution methods, Journal of the American Society for information Science and Technology, 60(3), 538-556.
• Stamatatos, E., 2009b, Intrinsic plagiarism detection using character n-gram profiles, 3rd PAN Workshop on Uncovering Plagiarism, Authorship and Social Software Misuse, 38.
• Thomas, D., Douglas, T., Loader, B., eds., 2000, Cybercrime: Law enforcement, security and surveillance in the information age. Psychology Press.
• Wang, A. G., Atabakhsh, H., Petersen, T., Chen, H„ 2005, Discovering identity problems: A case study, Intelligence and Security Informatics, 368-373.
• Wang, D., Irani, D., Pu, C, 2011, A social-spam detection framework, Proceedings of the 8th Annual Collaboration, Electronic Messaging, Anti-Abuse and Spam Conference, 46-54.
• Wang, G., Mohanlal, M., Wilson, C, Wang, X., Metzger, M., Zheng, H., Zhao, B., 2012, Social Turing Tests: Crowdsourcing Sybil Detection, arXiv preprint: 1205.3856.
• Weimer, M., Gurevych, I., M"uhlh'auser, M., 2007, Automatically assessing the post quality in online discussions on software, Proceedings of the 45th Annual Meeting of the ACL, 125-128.
• Xie, S., Wang, G., Lin, S., Yu, P.S., 2012, Review spam detection via temporal pattern discovery, Proceedings of the 18th ACMSIGKDD, 823-831.
• Xu, J., Chau, M., Wang, G.A., Li, J., 2007, Complex problem solving: identity matching based on social contextual in-formation, Journal of the Association for Information Systems, 8(10), 525-545.
• Yang, Y.C., Padmanabhan, B., 2010, Toward user patterns for online security: Observation time and user identification, Decision Support Systems, 48(4), 548-558.
• Zheng, R., Qin, Y., Huang, Z., Chen, H., 2003, Authorship analysis in cybercrime investigation, Intelligence and Security Informatics, Springer Berlin Heidelberg 59-73.
• Zheng, R., Li, J., Chen, H., Huang, Z., 2005, A framework for authorship identification of online messages: Writing-style features and classification techniques, Journal of the American Society for Information Science and Technology, 57(3), 378-393.