AI Mengidentifikasi Penjual Narkoba di Instagram dengan Akurasi Hingga 95%

Peneliti di AS telah mengembangkan sistem pembelajaran mesin multimodal yang dapat mengidentifikasi akun dan postingan penjual narkoba di Instagram, dengan menganalisis berbagai konten, termasuk konten gambar.

Penelitian tersebut, yang berjudul Mengidentifikasi Penjual Narkoba di Instagram dengan Data Fusion Multimodal Skala Besar, merupakan kolaborasi antara tiga peneliti di West Virginia University dan satu peneliti dari Case Western Reserve University.

Untuk memfasilitasi proyek ini, peneliti telah membuat database yang disebut Mengidentifikasi Penjual Narkoba di Instagram (IDDIG), yang berisi 4000 akun pengguna, dengan 1.400 akun milik penjual narkoba, dan sisanya sebagai kelompok kontrol untuk menguji proses identifikasi.

Kerangka kerja sistem deteksi penjual narkoba multimodal. Model ini mencakup postingan gambar, komentar, serta informasi dari gambar homepage dan teks biografi yang diposting di homepage. Sumber: https://arxiv.org/pdf/2108.08301.pdf

Pengujian awal teknik ini melaporkan akurasi hampir 95% dalam mengidentifikasi penjual narkoba di Instagram, dan kerangka kerja ini juga telah menghasilkan proyek deteksi komunitas berbasis hashtag yang dirancang untuk menemukan indikator perubahan aktivitas terkait penjualan narkoba ilegal, menggunakan faktor geografis dan identifikasi jenis narkoba tertentu.

Karena database yang dikembangkan untuk proyek ini memerlukan pelabelan manual, kerangka kerja ini fitur sistem anotasi yang ramah pengguna, yang menggunakan sistem klasifikasi berbasis Google’s Bidirectional Encoder Representations from Transformers (BERT), serta klasifikasi gambar berbasis ResNet.

Sistem anotasi web-based (dengan indikasi tambahan oleh penulis makalah) untuk IDDIG.

Mengidentifikasi Penjual Narkoba dalam Percakapan Terkait Narkoba

Narkoba dibahas dalam berbagai konteks di platform media sosial seperti Instagram. Banyak yang memposting adalah konsumen bukan penjual. Tergantung pada peraturan di daerah mereka, dan kemungkinan obat resep bahkan di daerah yang berbeda dalam peraturan narkoba, mereka juga mungkin legal konsumen.

Gambar terkait narkoba yang dimasukkan dalam database proyek.

Selain itu, perilaku penjual narkoba di Instagram tidak selalu eksplisit; seringkali penjual mengiklankan melalui komentar dan hashtag daripada postingan multimedia, yang pada umumnya lebih mudah diidentifikasi sebagai konten “penjualan narkoba” oleh sistem pengawasan manusia dan mesin. Oleh karena itu, hashtag dan aktivitas komentar telah dimasukkan sebagai aset identifikasi dalam sistem baru ini.

Polanya perdagangan narkoba di postingan Instagram.

Selain analisis teks berbasis BERT dan penyelidikan gambar berbasis ResNet, pekerjaan ini juga mencakup fusi data multimodal tingkat fitur, seperti yang diusulkan dalam makalah IEEE 2016 paper Analisis Korelasi Diskriminan: Fusi Fitur Waktu Nyata untuk Pengenalan Biometrik Multimodal.

Hashtag sebagai Benih untuk Database

Mekanisme web-scraping proyek ini memulai perjalanannya untuk mengidentifikasi akun penjual narkoba dengan melacak jejak 200 hashtag terkait narkoba yang diidentifikasi oleh ahli domain, menggunakan hashtag search API.

Gambar dalam postingan yang menggunakan hashtag tersebut kemudian diklasifikasikan menggunakan model klasifikasi biner VGG-16. Gambar yang berkorelasi dengan gambar narkoba yang diketahui kemudian disimpan dalam sistem, dan postingan diubah menjadi objek JSON untuk pengambilan kemudian.

Kerangka kerja ini kemudian diperluas ke komentar dan informasi terkait (baik teks dan gambar) yang terkandung dalam halaman homepage pengguna yang telah berpartisipasi dalam hashtag, dan konten yang telah diberi label sebagai terkait narkoba. Dengan cara ini, 10.000 postingan potensial dan 23.034 halaman pengguna dimasukkan ke dalam dataset.

Karena hashtag terkait narkoba terus berkembang untuk menghindari deteksi pola dan perhatian otoritas, setiap hashtag baru dalam postingan yang diberi label yang tidak termasuk dalam koleksi hashtag benih dicatat dan direkam untuk penggunaan di masa depan.

Setelah pelabelan dalam antarmuka web (lihat gambar di atas), fusi data multimodal harus mempertimbangkan bahwa tidak semua postingan akan mengandung semua empat jenis data yang mungkin. Oleh karena itu, algoritma dapat mentolerir sembilan dari total 16 sub-poin di antara empat jenis data, menggunakan konkatensi dan fitur yang difus, di mana elemen yang hilang akan sesuai dengan nol dalam perhitungan.

NetworkX

Dataset ini akhirnya digunakan melalui paket bahasa Python NetworkX yang diusulkan pada 2008 oleh Los Alamos National Laboratory di New Mexico. NetworkX telah digunakan secara luas dalam operasi skala besar, termasuk grafik dengan lebih dari 10 juta node.

Dengan menganggap hashtag dalam dataset sebagai jika mereka telah dimasukkan dalam satu postingan, memungkinkan peneliti untuk menghasilkan grafik narkoba tak berarah untuk dianalisis oleh NetworkX.

Dataset IDDIG diuji melalui berbagai protokol, termasuk Fusi Data Multimodal, Fusi Data Multi-sumber, dan Fusi Berbasis Kuadrat, dan mencapai hasil akurasi hingga 95% dalam hal mengidentifikasi postingan dan pengguna terkait narkoba, dibandingkan dengan metode identifikasi berbasis manusia.

Memungkinkan juga untuk menghasilkan ‘sunburst plots’ yang mengungkapkan indikator geografis untuk aktivitas terkait narkoba di Instagram, dan kemungkinan jalur penyelidikan di masa depan dalam proyek serupa.