Архітектура систем виявлення автоматизованих акаунтів (ботів) у соціальних мережах
DOI:
https://doi.org/10.17721/ISTS.2025.9.11-17Ключові слова:
комп'ютерна система, збір даних, аналіз даних, машинне навчанняАнотація
Вступ. Соціальні мережі є одним з основних джерел отримання інформації. Проте зі зростанням довіри до них зростає і використання автоматизованих акаунтів для поширення дезінформації та впливу на суспільну думку, що є ефективним методом маніпуляції. Для виявлення таких акаунтів застосовують системи виявлення автоматизованих акаунтів. Метою статті є розгляд архітектури систем виявлення автоматизованих акаунтів (ботів) у соціальних мережах і визначення основних напрямів щодо вдосконалення такої архітектури з урахуванням виявлених недоліків.
Методи. Використано методи аналізу, систематизації та узагальнення для визначення недоліків і напрямів удосконалення систем і метод моделювання для розроблення загальної та вдосконаленої архітектури систем.
Результати. Запропоновано вдосконалену архітектуру системи виявлення автоматизованих акаунтів (ботів) у соціальній мережі х.com, що використовує змішану модель аналізу даних за допомогою штучного інтелекту й об'єднує вебскрейпінг та АРІ запити для збору даних.
Висновки. Розглянуто загальну архітектуру систем виявлення автоматизованих акаунтів (ботів) у соціальних мережах і визначено основні недоліки та напрями вдосконалення, серед яких можна виділити обмеження запитів до АРІ від власників соціальних мереж, неструктурований і вільний стиль дописів у соціальних мережах і постійну зміну алгоритмів генерації дописів автоматизованими акаунтами. Запропоновано вдосконалену архітектуру системи виявлення автоматизованих акаунтів ботів, що поєднує вебскрейпінг та АРІ запити для збору даних і дозволяє паралельне виконання аналізу даних соціальних мереж.
Завантажити
Посилання
П'ятигор, В., & Бучик, С. (2025). Проблеми виявлення автоматизованих аккаунтів в соціальних мережах. У С. Ю. Даков, & О. С. Торошанко (Ред.), Проблеми кібербезпеки інформаційно-телекомунікаційних систем: зб. матеріалів доповідей та тез (с. 124–126). Київський національний університет імені Тараса Шевченка.
Almerekhi, H., & Elsayed, T. (2015). Detecting Automatically-Generated Arabic Tweets. Lecture Notes in Computer Science, 9460, 122–134. https://doi.org/10.1007/978-3-319-28940-3_10
Bessi, A., & Ferrara, E. (2016). Social bots distort the 2016 U.S. Presidential election online discussion. First Monday. https://doi.org/10.5210/fm.v21i11.7090
Boshmaf, Y., Logothetis, D., Siganos, G., Lería, J., Lorenzo, J., Ripeanu, M., Beznosov, K., & Halawa, H. (2016). Íntegro: Leveraging victim prediction for robust fake account detection in large scale OSNs. Computers & Security, 61, 142–168. https://doi.org/10.1016/j.cose.2016.05.005
Dixon, S. J. (2024, July 10).Biggest social media platforms by users 2024. Statista. https://www.statista.com/statistics/272014/global-social-/networks-ranked-by-number-of-users/
Dixon, S. J. (2025, February 6). Facebook fake account deletion per quarter 2024. Statista. https://www.statista.com/statistics/1013474/facebook-fake-account-removal-quarter/
Ferrara, E., Varol, O., Davis, C., Menczer, F., & Flammini, A. (2016). The rise of social bots. Communications of the ACM, 59(7), 96–104. https://doi.org/10.1145/2818717
Fredhaim, R., & Stolze, M. (2022, May 24). Robotrolling 2022 (1). NATO Strategic Communications Centre of Excellence. https://stratcomcoe.org/publications/robotrolling-20221/243
Guy, S., Ratzki-Leewing, A., Bahati, R., & Gwadry-Sridhar, F. (2012). Social Media: A Systematic Review to Understand the Evidence and Application in Infodemiology. Lecture Notes of the Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering, 91, 1–8. https://doi.org/10.1007/978-3-642-29262-0_1
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Безпека інформаційних систем і технологій
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
