Anderson का एंगल
इंस्टाग्राम क्राउडटर्फर्स की पहचान मशीन लर्निंग के साथ
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
इटली और ईरान के शोधकर्ता दावा करते हैं कि उन्होंने पहली मशीन लर्निंग प्रणाली का गठन किया है जो इंस्टाग्राम प्लेटफ़ॉर्म पर मानव (स्वचालित नहीं) प्रभावितकर्ता खातों की ‘क्राउडटर्फिंग’ गतिविधि को पहचान सकती है। क्राउडटर्फर्स वास्तविक लोग हैं जो प्लेटफ़ॉर्म पर ‘प्रोफ़ाइल निर्माण’ सेवाएं प्रदान करते हैं जो इस तरह की गतिविधि को थोक में बेचते हैं।
नई विधि में लगभग 95% की सटीकता स्कोर है, और प्राकृतिक भाषा प्रसंस्करण (एनएलपी) प्रणालियों में अर्ध-पर्यवेक्षित शिक्षा का उपयोग किया जाता है।
लेखकों का दावा है कि उनके ज्ञान के अनुसार, उनकी प्रणाली पहली क्राउडटर्फिंग (सीटी) डिटेक्टर प्रणाली का प्रतिनिधित्व करती है जो विश्वसनीय रूप से गैर-бот खातों पर ध्यान केंद्रित कर सकती है जो नकली भुगतान प्रोफ़ाइल और बढ़ावा देने में शामिल हैं।
इसे प्राप्त करने के लिए, लेखकों ने 11 सीटी प्लेटफ़ॉर्म प्रदाताओं से 1293 क्राउडटर्फिंग प्रोफ़ाइल खरीदे ताकि अपने सीटी डिटेक्टर को प्रशिक्षित करने के लिए डेटा प्राप्त किया जा सके। चूंकि इंस्टाग्राम में कई प्रभावी एंटी-बॉट उपाय हैं, शोधकर्ताओं का नोट है कि व्यावसायिक उद्देश्यों के लिए प्लेटफ़ॉर्म के विशाल उपयोगकर्ता आधार का शोषण करने के लिए उन लोगों ने वास्तविक प्रभावितकर्ताओं को ‘रणनीतिक रूप से जुड़ने’ के लिए भुगतान करना शुरू कर दिया है, ज्यादातर टिप्पणियों को साझा करने या पोस्ट पर टिप्पणियों से संबंधित गतिविधि के माध्यम से।
मॉडल को प्रशिक्षित करने के बाद, लेखकों ने इसे 20 ‘मेगा-प्रभावितकर्ताओं’ के जुड़ाव प्रोफ़ाइल का विश्लेषण करने के लिए छोड़ दिया, प्रत्येक में 1 मिलियन से अधिक अनुयायी हैं, यह निष्कर्ष निकाला कि ‘उनके जुड़ाव का 20% से अधिक कृत्रिम था’।
शोध पत्र का शीर्षक क्या हम सभी एक ट्रूमैन शो में हैं? स्व-प्रशिक्षण के माध्यम से इंस्टाग्राम क्राउडटर्फिंग का पता लगाना है, और यह इटली के पADOVA विश्वविद्यालय और ईरान के इमाम रेजा विश्वविद्यालय के पांच शोधकर्ताओं से आया है।
इंस्टाग्राम की सेवा शर्तों का उल्लंघन
ट्विटर के विपरीत, जो सामाजिक मीडिया शोधकर्ताओं द्वारा अनुसंधान में सहायता के लिए प्रतिबद्धता के कारण पसंद किया जाता है, इंस्टाग्राम न केवल शोधकर्ताओं की मदद के लिए कोई एपीआई या अद्यतन डेटा डंप प्रदान नहीं करता है, बल्कि अपनी सेवा शर्तों में मशीन-चालित ब्राउज़िंग को भी प्रतिबंधित करता है। इसलिए, शोधकर्ताओं का पहला कार्य अपने मार्गदर्शक संस्थागत समीक्षा बोर्ड से छूट प्राप्त करना था, जो पिछले कार्यों द्वारा न्यायसंगत था जिन्होंने ‘अंडरग्राउंड गतिविधियों’ की जांच के लिए एक समान दृष्टिकोण का उपयोग किया था।
क्राउडटर्फिंग सेवाएं शोधकर्ताओं द्वारा उनके उद्देश्यों के लिए बनाए गए ताज़ा इंस्टाग्राम खातों के लिए खरीदी गई थीं, जिनमें से सभी प्रयोग के बाद हटा दिए गए थे, जिससे ‘वैध’ उपयोगकर्ताओं की भागीदारी समाप्त हो गई। न तो अध्ययन किए गए प्रभावितकर्ता खाते और न ही सीटी प्लेटफ़ॉर्म सेवाओं का नाम लिया गया है।
एक और नैतिक बाधा यह थी कि शोधकर्ता अध्ययन किए जा रहे प्रभावितकर्ताओं से सहमति नहीं मांग सकते थे, हॉथोर्न प्रभाव (अर्थात यह उनके व्यवहार को बदल सकता था), और यह छूट भी आईआरबी द्वारा दी गई थी।
अंत में, चूंकि इंस्टाग्राम ‘मैनुअल संग्रह’ डेटा की अनुमति देता है, शोधकर्ताओं ने अपने टीओएस के उल्लंघन को ‘मानव गति’ पर अपने स्वचालित स्क्रैपिंग टूल्स को सेट करके समझौता किया, जिसने डेटा संग्रह चरण को पांच महीने का समय लिया।
मानव बिक्री के लिए
शोधकर्ताओं ने 11 (अनाम) प्रदाताओं से 100 ‘नकली अनुयायी’ प्रोफ़ाइल खरीदे।
पेपर में कहा गया है*:
‘सभी प्रदाता जिन्हें हमने चुना है, वे वादा करते हैं कि वे लक्ष्य प्रोफ़ाइल पर पसंद और टिप्पणी करने वाले अनुयायियों को वितरित करेंगे ताकि उनकी जुड़ाव दर को बढ़ावा दिया जा सके। ‘
‘इन सीटी प्रोफ़ाइल को उच्च गुणवत्ता वाले अनुयायियों के रूप में पहचाना जाता है और आमतौर पर “बेस” नकली प्रोफ़ाइल की तुलना में अधिक महंगे होते हैं। इन प्रदाताओं की विश्वसनीयता प्रसिद्ध [समीक्षा] प्लेटफ़ॉर्म जैसे ट्रस्टपायलट द्वारा समर्थित है।’
पेपर से, (अनामित) सीटी प्लेटफ़ॉर्म प्रदाताओं पर आंकड़े, प्रत्येक एक ‘भ्रष्ट’ वास्तविक दुनिया के प्रभावितकर्ता खातों के लिए बाज़ार है। यह तालिका प्रदाताओं द्वारा रिपोर्ट की गई जानकारी और शोधकर्ताओं द्वारा प्रत्येक स्रोत से खरीदे गए 100 प्रोफ़ाइल के विश्लेषण के माध्यम से प्राप्त जानकारी को रेखांकित करती है। स्रोत: https://arxiv.org/pdf/2206.12904.pdf
पेपर में यह भी कहा गया है कि एक इंस्टाग्राम प्रभावितकर्ता को खरीदने की औसत लागत बहुत अधिक नहीं है, लगभग 100 ‘उच्च गुणवत्ता वाले’ अनुयायियों के लिए $3। लेखकों का नोट है:
‘ज्यादातर प्रदाता कुछ घंटों के भीतर अनुयायियों को वितरित करते हैं। वे एक ड्रॉप सुरक्षा प्रदान करते हैं, जिसका अर्थ है कि ग्राहक द्वारा खरीदे गए अनुयायियों की संख्या समय के साथ स्थिर रहेगी या खोए हुए अनुयायियों को पुनःपूर्ति करने के लिए नए अनुयायी वितरित किए जाएंगे।’
शोधकर्ताओं की रिपोर्ट है कि उनके ताज़ा इंस्टाग्राम खातों में से कुछ ने एक महीने के बाद 15-20% सीटी अनुयायियों की हानि का सामना किया, लेकिन कुछ मामलों में उन्हें अपेक्षा से अधिक प्राप्त हुआ। सबसे महंगे सीटी प्रदाता (सीटी-10, उपरोक्त तालिका में) के लिए, एक महीने के बाद केवल तीन अनुयायी खो गए थे।
पेपर में यह भी कहा गया है कि अनुयायी/अनुसरण अनुपात जितना अधिक आप सीटी प्रदाता को भुगतान करते हैं, उतना ही अधिक ‘प्रामाणिक’ होता जाता है, दूसरे सबसे महंगे प्रदाता को एक अनुपात प्रदान करता है जो एक मानक उपयोगकर्ता के बेसलाइन के बहुत करीब है।
एक सीटी इंस्टाग्राम खाते की एक विशेषता यह है कि इसका प्रोफ़ाइल शायद ही कभी ‘निजी’ (एक तथ्य जिसने डेटा को खरीदे गए नकली अनुयायियों से आकर्षित करने की अनुमति दी, क्योंकि अधिकांश विश्लेषण प्रोफ़ाइल और संबंधित टिप्पणियों पर केंद्रित थे) होगा, हालांकि यह इस संबंध में एक विश्वसनीय ‘संकेत’ के रूप में नहीं देखा जाना चाहिए।
‘इन प्लेटफ़ॉर्म में शामिल होने वाले लोग कम से कम पोस्ट बनाने में रुचि रखते हैं जो उन्हें विश्वसनीय बनाते हैं, कुछ मामलों (सीटी-4, सीटी-10) को छोड़कर। कम गुणवत्ता वाले प्रोफ़ाइल में अनुयायियों और अनुसरण में बहुत अधिक असंतुलन है, और पोस्ट की औसत संख्या 0 के करीब है, सीटी प्रोफ़ाइल से बहुत कम।’
डेटा
शोधकर्ताओं ने ब्राउज़र-automating फ्रेमवर्क सेलेनियम के एक कार्यान्वयन के माध्यम से डेटा एकत्र किया। परिणामी डेटासेट में 1293 सीटी और 1307 गैर-सीटी उपयोगकर्ताओं की प्रोफ़ाइल जानकारी शामिल है।
यह स्वीकार्य रूप से कम नमूना मात्रा ने इसे एक तर्कसंगत अवधि के दौरान विश्वसनीय मानव गति पर सेलेनियम को सेट करने के लिए व्यावहारिक बना दिया। इसके अलावा, लेखकों का नोट है कि अर्ध-पर्यवेक्षित शिक्षा तकनीकों की व्याख्यात्मक शक्ति छोटे डेटासेट को बहुत अच्छी तरह से समायोजित करती है। पूर्णता के उद्देश्यों के लिए, एक पूरी तरह से पर्यवेक्षित मॉडल के साथ प्रयोग करने के बाद, शोधकर्ता निष्कर्ष निकालते हैं:
‘[परिणाम] अर्ध-पर्यवेक्षित मोड में पूरी तरह से पर्यवेक्षित तरीके से भिन्न नहीं हैं। यह सुझाव देता है कि सीटी प्रोफ़ाइल बहुत समान [विशेषताएं] साझा करती हैं, और एल्गोरिदम [एक छोटी मात्रा में] लेबल वाले डेटा के माध्यम से अभिसरण कर सकता है।’
लेखकों ने ‘समर्पित’ उपयोगकर्ताओं की प्रोफ़ाइल पृष्ठों के स्रोत कोड से सभी उपलब्ध डेटा एकत्र किया, जिसमें आमतौर पर प्रस्तुत किए जाने पर छुपी जानकारी शामिल है, जैसे #वीडियो तत्व।
उन्होंने तब डेटा सुविधाओं को शून्य या निम्न विचरण वाली सुविधाओं को हटाकर पूर्व-प्रसंस्कृत किया, और अंत में गैर-numeric या बूलियन सुविधाओं में सांख्यिकीय या बूलियन सुविधाओं में किसी भी श्रेणीबद्ध या गैर-सांख्यिकीय डेटा को परिवर्तित किया।
अंतिम डेटासेट की विशेषताएं।
विधि और अन्वेषण
सेलेनियम के अलावा, प्रयोगों में उपयोग की जाने वाली प्रौद्योगिकियों में शामिल हैं: एक स्पेसी का एक संस्करण जो एक ट्रांसफ़ॉर्मर-आधारित पाइपलाइन के साथ लागू किया गया है; एक स्किट-लर्न स्व-प्रशिक्षण वर्गीकरणकर्ता; और इंस्टालोडर फ्रेमवर्क।
नई पेपर में कोई पारंपरिक ‘परिणाम’ अनुभाग नहीं है, क्योंकि यह एक उद्देश्य (अर्थात स्वचालित रूप से भ्रष्ट इंस्टाग्राम खातों का अनुमान) से संबंधित है जो वर्तमान में केंद्रीय लोकус से विचलित हो जाता है (अर्थात स्वचालित बॉट गतिविधि का स्वचालित अनुमान इंस्टाग्राम पर), जिसका अर्थ है कि इसकी तुलना करने के लिए कोई पूर्व कार्य नहीं है।
शोधकर्ताओं ने उपलब्ध खरीदे गए उपयोगकर्ताओं पर विभिन्न तरीकों को अपनाया, (जिन्हें वे ‘नकली’ के बजाय ‘गैर-सीटी’ के रूप में वर्णित करने में सहज महसूस करते हैं, क्योंकि ये वास्तविक खाते गैर-जैविक, भुगतान जुड़ाव गतिविधियों में शामिल हैं), विभिन्न एनएलपी-संबंधित प्रौद्योगिकियों के माध्यम से।
अध्ययन किए गए पहलुओं में भाषा विश्लेषण (जो सीटी दुनिया में लगभग हमेशा अंग्रेजी में Defaults, हालांकि सीटी प्लेटफ़ॉर्म भी गैर-अंग्रेजी अनुयायियों को भू-स्थिति प्रदान करते हैं); टिप्पणी गणना (जहां नकली उपयोगकर्ता वास्तविक उपयोगकर्ताओं की आवृत्ति के बहुत करीब रहते हैं, पता लगाने से डरने के लिए); और सामान्य शब्द विश्लेषण:
नकली और वास्तविक उपयोगकर्ताओं से शब्द बादल।
पेपर में यह भी कहा गया है कि नकली खातों में ‘दोक्टर’ शब्द की प्रचुरता (ऊपर दी गई छवि देखें) एक विशिष्ट आंतरिक अभियान से संबंधित लगती है:
‘“दोक्टर” [1069 अलग-अलग टिप्पणियों में दिखाई दिया]। इन टिप्पणियों में यह शब्द फैलाने वाले खातों की आगे की जांच करने पर, हमने एक छोटे से हिस्से को पाया जो एक बोटनेट का हिस्सा लगता है जिसका उद्देश्य “इंस्टाग्राम डॉक्टरों” खातों को स्पैम करना है। सभी डॉक्टरों के प्रोफ़ाइल में एक व्हाट्सएप व्यवसाय लिंक है जो एक संदेश के साथ एक चैट शुरू करता है जिसमें पूरा करने के लिए कहा जाता है।’
जैसा कि शोधकर्ता निर्धारित कर सकते हैं, यह अजीब कलाकृति एक बड़े बोटनेट का अवशेष हो सकता है जिस पर उन्होंने वास्तविक इंस्टाग्राम उपयोगकर्ताओं की गतिविधियों की तलाश करते समय ठोकर खाई थी।
कुल मिलाकर, शोधकर्ताओं ने 603,007 टिप्पणियां एकत्र कीं जो 248,388 अनोखे इंस्टाग्राम उपयोगकर्ताओं की पोस्ट से आईं, जिनमें से उन्होंने अनुमान लगाया कि 55,719 क्राउडटर्फिंग खाते थे।
पेपर में यह भी कहा गया है कि एकत्रित किए गए डेटा में महिला विषयों का वर्चस्व है। जीपीयू-पीडीएमएम (एक तकनीक जो ट्विटर पर अनिवार्य रूप से छोटी पोस्ट के लिए विकसित की गई थी) का उपयोग करके, शोधकर्ताओं ने 12,830 उपयुक्त टिप्पणियां निकालीं जो 121,822 टिप्पणियों के उपलब्ध खजाने से, और पाया कि 12 पुरुषों और 8 महिलाओं से सामग्री पर विचार करते समय, अधिकांश टिप्पणियां महिला संबंधित विषयों से संबंधित हैं।
एक प्रयोग में नकली टिप्पणियों से निकाले गए शीर्ष 10 विषय।
शोधकर्ता निष्कर्ष निकालते हैं:
‘[जबकि] इंस्टाग्राम और शोध समुदाय ने स्वचालित बॉट खातों का पता लगाने पर बहुत ध्यान केंद्रित किया है, हमारा मानना है कि सीटी गतिविधियों पर अधिक अध्ययन किए जाने चाहिए, जो प्रभावितकर्ता विपणन, इंस्टाग्राम प्लेटफ़ॉर्म और इसके अधिकांश उपयोगकर्ताओं को नकारात्मक रूप से प्रभावित करते हैं। ‘
* शोधकर्ताओं के उद्धृत ट्रस्टपायलट यूआरएल को छोड़ दिया गया है。
पहली बार 28 जून 2022 को प्रकाशित।
