تحديد متعاقدي Instagram مع آلة التعلم

يُدعي باحثون في إيطاليا وإيران أنهما صمما أول نظام تعلم آلي قادر على التعرف على نشاط “الترويج الجماعي” لحسابات المؤثرين البشرية ( وليس الآلية ) على منصة Instagram. وهم أشخاص حقيقيون يقدمون خدمات “بناء الملفات الشخصية” للمنصات التي تبيع مثل هذه النشاطات بكميات كبيرة.

يزعم النظام الجديد أن لديه درجة دقة تبلغ حوالي 95٪ ، و يستخدم التعلم شبه الإشرافي في أنظمة معالجة اللغة الطبيعية (NLP).

يزعم المؤلفون أن نظامهم ، إلى حد علمهم ، يمثل أول نظام كاشف لتحديد المتعاقدين الذي يمكنه الاعتماد على حسابات غير آليين متورطة في تعزيز الملفات الشخصية والتفاعل المدفوع والمزيف.

لتحقيق ذلك ، اشترى المؤلفون 1293 ملفًا شخصيًا من 11 مزودًا لخدمات الترويج الجماعي ، للحصول على بيانات لتدريب نظام الكشف عن المتعاقدين. منذ أن تملك Instagram إجراءات مضادة فعالة ضد البوتات ، يلاحظ الباحثون أن أولئك الذين يسعون إلى استغلال قاعدة المستخدمين الكبيرة للأغراض التجارية تحولوا إلى دفع المؤثرين الحقيقيين على Instagram ل “التفاعل استراتيجيًا” مع حسابات “العميل” ، في الغالب من خلال المشاركة في التعليقات أو الأنشطة المتعلقة بالتعليقات على المنشورات.

بعد تدريب النموذج ، أطلق المؤلفون عليه لتحليل ملفات التفاعل لـ 20 “مؤثرًا كبيرًا” ، كل منهم يملك أكثر من مليون متابع ، وخلصت إلى أن “أكثر من 20٪ من تفاعلهم كان اصطناعيًا”.

المقال المقال بعنوان هل نحن جميعًا في برنامج ترمان؟ تحديد الترويج الجماعي على إنستجرام من خلال التدريب الذاتي ، ويأتي من خمسة باحثين من جامعة بادوفا في إيطاليا ، وجامعة الإمام رضا في إيران.

خرق شروط الخدمة لإنستجرام

على عكس تويتر ، التي تفضلها الباحثون في وسائل الإعلام الاجتماعية بسبب التزامها بمساعدة البحث ، لا توفر إنستجرام أي واجهة برمجة تطبيقات أو تفريغ بيانات محدثة لمساعدة الباحثين ، بل تحظر التصفح الآلي في شروط الخدمة. لذلك ، كان أول مهمة للباحثين هو الحصول على استثناء من مجلس المراجعة المؤسسية التوجيهي ، مبررًا ب الأعمال السابقة التي استخدمت نهجًا مشابهًا لتحقيق “الأنشطة تحت الأرض”.

اشترى الباحثون خدمات الترويج الجماعي لحسابات إنستجرام جديدة تم إنشاؤها لغرض التجربة ، وتم حذف جميعها بعد التجربة ، مما يلغي مشاركة المستخدمين “الشرعيين”. لا يتم ذكر حسابات المؤثرين أو خدمات منصات الترويج الجماعي.

كانت عقبة أخلاقية أخرى أن الباحثين لم يتمكنوا من طلب موافقة المؤثرين الذين تم دراستهم ، بسبب تأثير هاوثورن (أي أنهم قد يغيرون سلوك المؤثرين) ، وتم منح هذا الاستثناء أيضًا من قبل مجلس المراجعة المؤسسية.

أخيرًا ، منذ أن تسمح إنستجرام “بجمع البيانات اليدوي” ، توصل الباحثون إلى حل وسط في خرق شروط الخدمة من خلال ضبط أدوات الحفاظ الآلي على “سرعة الإنسان” ، مما تطلب مرحلة جمع البيانات لمدة خمسة أشهر.

بشر للبيع

اشترى الباحثون 100 ملف شخصي “متابع مزيف” من كل من 11 مزود (غير مذكور).

المقال يذكر*:

‘يضمن جميع المزودون الذين اخترناهم تقديم متابعين يتفاعلون مع الملفات الشخصية المستهدفة من خلال الإعجاب والتعليق على منشوراتهم لتعزيز معدل التفاعل.’

‘هذه الملفات الشخصية للمتعاقدين تحدد على أنها متابعون عاليو الجودة ويتم بيعها بأكثر من الملفات الشخصية “الأساسية” المزيفة. يتم دعم موثوقية هؤلاء المزودين من خلال منصات مراجعة مشهورة مثل TrustPilot.’

من المقال ، إحصائيات حول مزودي منصات الترويج الجماعي (المجهولين) ، كل منها سوق للملفات الشخصية للمؤثرين “المتضررين” في العالم الحقيقي. مصدر: https://arxiv.org/pdf/2206.12904.pdf

يلاحظ المقال أن متوسط تكلفة شراء مؤثر على إنستجرام ليس مرتفعًا ، حيث يبلغ حوالي 3 دولارات لأكثر من 100 متابع “عالي الجودة”. يلاحظ المؤلفون:

‘يتم تسليم معظم المتابعين في غضون ساعات قليلة. يقدمون حماية من الانخفاض ، مما يعني أن عدد المتابعين الذي يشتريه العميل سوف يبقى مستقرًا مع مرور الوقت أو سيتم تسليم متابعين جدد لتعويض المفقودين.’

يبلغ الباحثون عن أن بعض حسابات إنستجرام الجديدة التي تم إنشاؤها من أجل التجربة خسروا 15-20٪ من متابعي الترويج الجماعي بعد شهر ، ولكن في بعض الحالات ، حصلوا على المزيد مما توقعوا. بالنسبة لأكثر مزود الترويج الجماعي تكلفة (CT-10 ، في الجدول أعلاه) ، تم فقدان ثلاثة متابعين فقط بعد شهر.

يلاحظ المقال أن نسبة المتابعين إلى المتابعين أصبحت أكثر “صحة” كلما دفع المزيد إلى مزود الترويج الجماعي ، حيث يقدم المزود الثاني الأكثر تكلفة نسبة قريبة جدًا من خط الأساس لمستخدم عادي.

يُعتبر أحد سمات حساب إنستجرام للمتعاقدين أن ملفه الشخصي نادرًا ما يتم تعيينه على “خاص” (وهو حقيقة تمكنت من جمع البيانات من المتابعين المزيفين المشترين ، حيث ركزت معظم التحليلات على الملفات الشخصية والتعليقات ذات الصلة) ، على الرغم من أن هذا لا ينبغي اعتباره إشارة موثوقة في هذا الصدد.

‘الأشخاص الذين ينضمون إلى هذه المنصات مهتمون بإنشاء عدد mínimo من المنشورات التي تجعلهم موثوقين ، باستثناء بعض الحالات (CT-4 ، CT-10). تظهر الملفات الشخصية منخفضة الجودةimbalance عالية جدًا في المتابعين والمتابعين ، ومتوسط عدد المنشورات قريب من 0 ، بعيدًا جدًا عن ملفات المتعاقدين.’

بيانات

جمعت البيانات من خلال تنفيذ إطار عمل تلقيم المتصفح Selenium. يتضمن مجموعة البيانات معلومات ملف شخصي من 1293 متعاقد و 1307 مستخدم غير متعاقد.

كانت كمية العينة المنخفضة هذه تجعل من الممكن ضبط Selenium على “سرعة الإنسان” على مدى فترة زمنية معقولة. بالإضافة إلى ذلك ، يلاحظ المؤلفون أن تقنيات التعلم شبه الإشرافي تتيح لها التعامل مع مجموعات بيانات صغيرة جدًا. بعد تجربة ، لغرض الإنجاز ، نموذجًا كاملًا الإشراف ، يخلص الباحثون إلى:

‘النتائج في الوضع شبه الإشرافي لا تختلف بشكل كبير عن تلك في الطريقة الإشرافية. هذا يشير إلى أن ملفات المتعاقدين تشترك في سمات متشابهة جدًا ، وأن الخوارزمية يمكن أن تتقارب من خلال كمية صغيرة من البيانات المُ标َّة.’

جمَّع المؤلفون جميع البيانات المتاحة من شفرة مصدر صفحات الملفات الشخصية للمستخدمين “المتضررين” ، بما في ذلك التفاصيل التي يتم عادةً إخفاؤها عند العرض ، مثل عنصر #videos.

ثم قاموا بمعالجة ميزات البيانات عن طريق إزالة تلك التي تملك فارية صفرية أو منخفضة ، وأخيرًا حولوا أي بيانات غير رقمية أو غير رقمية إلى ميزات رقمية أو منطقية صارمة.

خصائص مجموعة البيانات النهائية.

المنهج والاستكشافات

إضافة إلى Selenium ، تشمل التكنولوجيات المستخدمة في التجارب: نسخة من SpaCy تم تنفيذها مع خط أنابيب معمَّل ؛ تصنيف خود-التدريب من scikit learn SelfTrainingClassifier ؛ وإطار عمل Instaloader Instaloader.

لا يوجد قسم “نتائج” تقليدي في المقال الجديد ، لأنها تتعامل مع هدف (أي استدلال آلي لحسابات المتعاقدين الفاسدة) يخرج عن النقطة المركزية لل兴趣 حتى الآن (أي استدلال آلي لحسابات البوتات الآلية على إنستجرام) ، مما يعني أن هناك لا يوجد عمل سابق يمكن مقارنته به.

تبنى الباحثون مجموعة واسعة من الأساليب على المستخدمين المشترين المتاحين ، (الذين يشعرون بالراحة في وصفهم بـ “مزيف” بدلاً من مجرد “غير متعاقد” ، لأن هذه الحسابات الحقيقية تقوم بأنشطة غير عضوية ومدفوعة) ، عبر مجموعة من التكنولوجيا المتعلقة بمعالجة اللغة الطبيعية.

من بين الجوانب التي تم دراستها كانت تحليل اللغة (الذي ، في عالم المتعاقدين ، يعتمد تقريبًا دائمًا على اللغة الإنجليزية ، على الرغم من أن منصات الترويج الجماعي تقدم متابعين غير الإنجليزية الموجودة في المناطق الجغرافية أيضًا) ؛ عداد التعليقات (حيث يلتصق المستخدمون المزيفون بشكل وثيق بتكرار المستخدمين الحقيقيين ، خوفًا من الكشف) ؛ وتحليل الكلمات الشائعة:

سحابة الكلمات من المستخدمين المزيفين والحقيقيين.

يلاحظ المقال أن انتشار كلمة “دكتور” (انظر الصورة أعلاه) في الحسابات المزيفة يبدو أنه يرتبط بحملة داخلية معينة:

‘“دكتور” [ظهر] في 1069 تعليقًا مختلفًا. من خلال التحقيق بشكل أكبر في الحسابات التي تنتشر [هذه] الكلمة ، وجدنا جزءًا صغيرًا مما يبدو أنه شبكة بوتات هدفها هو نشر “أطباء إنستجرام”. جميع ملفات أطباء هذه الملفات الشخصية تحتوي على رابط أعمال WhatsApp ، والذي ، عند النقر عليه ، يبدأ محادثة برسالة لإكمالها.’

على الرغم من أن الباحثين يستنتجون أن هذا العيب الغريب قد يكون ب残 من شبكة بوتات كبيرة اكتشفوها أثناء البحث عن أنشطة مستخدمي إنستجرام الحقيقيين.

جمَّع الباحثون في المجموع 603,007 تعليقًا من منشورات عبر 248,388 مستخدم إنستجرام فريد ، منهم ، يقدر المؤلفون ، 55,719 حسابًا للمتعاقدين.

يلاحظ المقال باهتمام السيادة المواضيع النسائية في البيانات المحصلة. بعد استخدام GPU-PDMM (تقنية تم تطويرها للتعامل مع المنشورات القصيرة الضرورية على تويتر) لاستخراج 12,830 تعليقًا مناسبًا من مجموعة من 121,822 تعليقًا ، وجد الخوارزمية أن المحتوى من 12 ذكرًا و 8 إناث ، تعامل معظم التعليقات مع مواضيع نسائية.

أفضل 10 مواضيع مستخرجة من تعليقات مزيفة في أحد تجارب الباحثين.

يخلص الباحثون إلى:

‘في حين ركزت إنستجرام ومجتمع البحث على الكشف عن البوتات والحسابات الآلية ، نعتقد أن هناك حاجة إلى المزيد من الدراسات حول أنشطة المتعاقدين ، والتي تؤثر سلبًا على تسويق المؤثرين ، منصة إنستجرام ، ومعظم مستخدميها.’

* تم حذف رابط TrustPilot المذكور من الباحثين.

نشر لأول مرة في 28 يونيو 2022.