L’IA identifica i dealer di droga su Instagram con una precisione quasi del 95%

I ricercatori negli Stati Uniti hanno sviluppato un sistema di apprendimento automatico multimodale in grado di identificare gli account e i post dei dealer di droga su Instagram, analizzando una varietà di contenuti, tra cui immagini.

La ricerca, intitolata Identificazione dei dealer di droga illeciti su Instagram con la fusione di dati multimodali su larga scala, è una collaborazione tra tre ricercatori della West Virginia University e uno della Case Western Reserve University.

Per facilitare il progetto, i ricercatori hanno creato un database chiamato Identificazione dei dealer di droga su Instagram (IDDIG), che comprende 4000 account utente, di cui 1400 sono account di dealer di droga, e il resto come gruppo di controllo per testare il processo di identificazione.

La struttura del sistema di rilevamento dei dealer multimodale. Il modello include immagini pubblicate, commenti pubblicati, nonché informazioni dalle immagini della homepage e testi biografici pubblicati sulla homepage. Fonte: https://arxiv.org/pdf/2108.08301.pdf

I test iniziali della tecnica riportano un tasso di precisione quasi del 95% nell’identificazione dei dealer di droga su Instagram, e la struttura ha anche portato a un progetto di rilevamento della comunità basato su hashtag progettato per scoprire indicatori di attività relative alla vendita di droghe illecite, utilizzando fattori geografici e identificazione di tipi di droga specifici.

Dal momento che il database sviluppato per il progetto richiedeva un’etichettatura manuale, la struttura presenta un sistema di annotazione utente-friendly, che utilizza un sistema di classificazione basato su Google’s Bidirectional Encoder Representations from Transformers (BERT), nonché una classificazione di immagini basata su ResNet.

Il sistema di annotazione web-based (con indicazioni aggiuntive degli autori del paper) per IDDIG.

Identificazione dei dealer nelle conversazioni relative alla droga

Le droghe ricreative vengono discusse in molti contesti attraverso piattaforme di social media come Instagram. Molti di coloro che pubblicano sono consumatori piuttosto che venditori. A seconda delle norme nella loro località e della possibilità di medicine su prescrizione anche in località che differiscono nella legislazione sulla droga, potrebbero anche essere consumatori legittimi.

Immagini relative alla droga portate nel database del progetto.

Inoltre, il comportamento dei dealer di droga su Instagram non è sempre esplicito; spesso i dealer pubblicizzano tramite commenti e hashtag invece di post multimediali, che in generale sarebbero più facili da identificare come contenuti di “vendita di droga” per entrambi i sistemi di controllo umano e macchina. Pertanto, gli hashtag e l’attività dei commenti sono stati incorporati come asset di identificazione nel nuovo sistema.

Molti modelli del commercio di droga sui post di Instagram.

In aggiunta all’analisi del testo basata su BERT e all’indagine delle immagini basata su ResNet, il lavoro incorpora la fusione dei dati multimodali a livello di funzionalità, come proposto nel paper IEEE del 2016 Discriminant Correlation Analysis: Real-Time Feature Level Fusion for Multimodal Biometric Recognition.

Hashtag come semi per un database

Il meccanismo di web scraping del progetto inizia il suo percorso verso l’identificazione degli account di vendita di droga tracciando il percorso di 200 hashtag relativi alla droga identificati da esperti del settore, utilizzando l’API di ricerca degli hashtag hashtag search.

Le immagini nei post che utilizzano gli hashtag vengono quindi classificate utilizzando un modello di classificazione binaria VGG-16. Le immagini che corrispondono a immagini di droga note vengono salvate nel sistema e il post viene convertito in un oggetto JSON per il recupero successivo.

La struttura si estende poi ai commenti e alle informazioni correlate (sia testo che immagini) contenute nella homepage degli utenti che hanno partecipato all’hashtag e il cui contenuto è stato segnalato come relativo alla droga. In questo modo, 10.000 potenziali post e 23.034 homepage utente sono stati inglobati nel set di dati.

Dal momento che gli hashtag relativi alla droga evolvono costantemente per evitare la rilevazione dei modelli e l’attenzione delle autorità, eventuali nuovi hashtag nei post segnalati che non facevano parte della raccolta di hashtag di base vengono annotati e registrati per un uso futuro.

Dopo l’etichettatura nell’interfaccia web-based (vedi immagine sopra), la fusione dei dati multimodali deve tenere conto del fatto che non tutti i post contengono tutti e quattro i tipi di dati possibili. Pertanto, l’algoritmo è in grado di tollerare nove dei 16 sottopunti totali tra i quattro tipi di dati, utilizzando la concatenazione e le funzionalità fuse, dove gli elementi mancanti corrisponderanno a zero nel calcolo.

NetworkX

Il set di dati viene infine utilizzato tramite il pacchetto di linguaggio Python NetworkX proposto nel 2008 dal Los Alamos National Laboratory nel Nuovo Messico. NetworkX è stato ampiamente utilizzato in operazioni su larga scala, tra cui grafici con oltre 10 milioni di nodi.

Trattando gli hashtag nel set di dati come se fossero stati inclusi in un post, è stato possibile per i ricercatori generare un grafico non orientato relativo alla droga per l’analisi di NetworkX.

Il set di dati IDDIG è stato testato su una varietà di protocolli, tra cui fusione di dati multimodali, fusione di dati multi-sorgente e fusione quadrupla, e ha raggiunto risultati di precisione fino al 95% in termini di identificazione di post e utenti relativi alla droga, in confronto ai metodi di identificazione con intervento umano.

È stato possibile generare anche “sunburst plot” che rivelano indicatori generali per la disposizione geografica dell’attività relativa alla droga su Instagram, e altre possibili linee di indagine future in progetti simili.

in termini di identificazione di post e utenti relativi alla droga, in confronto ai metodi di identificazione con intervento umano. È stato possibile generare anche “sunburst plot” che rivelano indicatori generali per la disposizione geografica dell’attività relativa alla droga su Instagram, e altre possibili linee di indagine future in progetti simili.