Комитет по науке и высшей школе

Сотрудники Санкт‑Петербургского Федерального исследовательского центра Российской академии наук (СПб ФИЦ РАН) обучили искусственный интеллект выявлять в социальных сетях группы вредоносных ботов.

В основе метода лежит анализ публичных данных о ботах, независимо от того на каком языке они пишут посты и комментарии. Данный подход может пригодиться компаниям, которые используют соцсети в коммерческих целях для выявления и противодействия информационным атакам. Результаты исследования опубликованы в международном журнале JoWUA.

При анализе групп ботов разработчики использовали открытые сведения о неявных социальных связях между аккаунтами. Эта информация является входными данными для искусственного интеллекта. Ученые изучают активность ботов в соцсетях, их взаимодействие друг с другом и прочими пользователями. Полученные данные позволяют с большой долей вероятности понять какие аккаунты принадлежат людям, а какие являются ботами.

«Проведенные эксперименты показали, что наши подходы могут обнаруживать даже замаскированных ботов. Для обучения нейросети мы создали специальные группы в социальных сетях, в которые ввели ботов, причем разного качества - и простых, и тех, которые могут хорошо маскироваться под реальных пользователей. После проведения анализа, мы оценивали, насколько правильно наши методы определяют ботов и справляются с их маскировкой», - считает Андрей Чечулин, ведущий научный сотрудник лаборатории проблем компьютерной безопасности Санкт‑Петербургского института информатики и автоматизации РАН (СПИИРАН входит в СПб ФИЦ РАН).

Метод, созданный учеными СПб ФИЦ РАН, может не только определять ботов, но и оценивать их качество, примерно рассчитыватать стоимость атаки. Эти данные могут использоваться для расследования инцидентов безопасности. «Например, мы смотрим аккаунт в соцсети какого-нибудь ресторана, а там масса негативных комментариев. Мы можем выявить, боты их оставили или реальные люди. Если боты, то ресторан поймет, что на него ведется атака. Кроме того, мы можем определить качество и возможности ботов и понять сколько денег было вложено в эту атаку. Исходя из этих данных, бизнесу будет проще принять меры, чтобы эффективно ответить на эту атаку», - резюмировал Андрей Чечулин.

Как отметил участник проекта, младший научный сотрудник СПб ФИЦ РАН Максим Коломеец, эффективность системы оценивается по анализу различных групп ботов и контрольным группам пользователей. Эти группы включают созданных и управляемых автоматически ботов, а также тех, которые созданы и находятся под контролем реальных пользователей. Еще одна группа ботов была сделана из взломанных и заброшенных аккаунтов, пользователи которых выполняют действия за деньги и, конечно, обычные пользователи соцсетей.

«Обмануть систему можно создав очень реалистичный аккаунт. Однако со временем в нем все равно накопится достаточно аномалий, которое наш алгоритм сможет обнаружить. Точность распознавания варьируется от качества ботов - от 60 до 90% при 5-10% ложных срабатываний», - пояснил исследователь.

Боты являются важным инструментом для функционирования социальных сетей. Например, они вовлечены в работу чатов поддержки или распространения рекламы. Один бот способен заменить целую команду из реальных людей, автоматически распространяя информацию. Вместе с тем, боты применяются и для неэтичной деятельности, например, для накрутки рейтингов, написания ложных положительных отзывов о товарах и распространения дезинформации. Некоторые виды ботов крайне сложно распознать – они весьма успешно копируют поведение людей.

«Проблема в том, что в мире существует большое количество соцсетей. Все они отличаются друг от друга и содержат информацию на разных языках. Мы разработали прототип системы для контроля за групповой деятельностью ботов, который не зависит от языка общения и структуры соцсетей. В ее основе – анализ общих входных данных о самих ботах. Такие данные присутствуют в любой соцсети», - говорит Андрей Чечулин.

Проект поддержан грантом Российского научного фонда.