AIがインスタグラムの薬物ディーラーを約95%の精度で特定する

米国の研究者は、画像コンテンツを含むさまざまなコンテンツを分析することで、インスタグラムのアカウントと投稿を特定することができるマルチモーダル機械学習システムを開発しました。

この研究は、ウェストバージニア大学の3人の研究者とケース・ウェスタン・リザーブ大学の1人の研究者による共同研究であり、《インスタグラムでの違法薬物ディーラーの特定に大規模なマルチモーダルデータ・フュージョンを用いる》と題されています。

このプロジェクトを促進するために、研究者は、4000のユーザー・アカウントを特集した《インスタグラムでの薬物ディーラーの特定》(IDDIG)というデータベースを作成しました。この中には、1400のアカウントが薬物ディーラーであり、残りは特定プロセスのテストのためのコントロール・グループでした。

マルチモーダル・ディーラー検出システムのフレームワーク。モデルには投稿された画像、投稿されたコメント、ホームページの画像やバイオグラフィー・テキストなどの情報が含まれます。ソース：https://arxiv.org/pdf/2108.08301.pdf

テクニックの初期テストでは、インスタグラム上の薬物ディーラーを特定する際に約95%の精度率が報告されており、このフレームワークは、地理的要因や特定の薬物タイプの特定を利用して、違法薬物の販売に関連する活動の変化する兆候を発見するためのハッシュタグベースのコミュニティ検出プロジェクトにもつながっています。

プロジェクトのデータベースを作成するために必要な手動ラベル付けにより、このフレームワークには、GoogleのBidirectional Encoder Representations from Transformers (BERT)に基づく分類システムおよびResNetベースの画像分類を使用するユーザー・フレンドリな注釈システムが含まれています。

IDDIGのウェブベースの注釈システム（論文著者の追加注釈付き）

薬物関連会話でのディーラーの特定

レクリエーション用の薬物は、インスタグラムのようなソーシャルメディア・プラットフォーム上で広範囲にわたるコンテキストで議論されています。投稿する多くのユーザーは、販売者ではなく消費者です。彼らの地域の規制や、ローカルな薬物立法が異なる場合でも、処方箋医薬品の可能性により、彼らは《合法的》な消費者である可能性もあります。

プロジェクトのデータベースに取り込まれた薬物関連画像

さらに、インスタグラム上での薬物ディーラーの行動は常に明示的ではないことが多く、ディーラーはマルチメディア投稿ではなくコメントやハッシュタグを通じて広告することがよくあります。これは、人間やマシンの監視システムの両方にとって「薬物取引」コンテンツを特定するのが一般的に容易であるためです。したがって、この新しいシステムではハッシュタグやコメント活動が特定の資産として組み込まれています。

インスタグラム投稿における薬物取引の様々なパターン

BERTベースのテキスト分析やResNet由来の画像調査に加えて、この研究では2016年のIEEE 論文で提案されたフィーチャー・レベルのマルチモーダル・データ・フュージョンが含まれています。《マルチモーダル・バイオメトリック・認証のための判別分析：リアルタイム・フィーチャー・レベル・フュージョン》と題されています。

データベースの種としてのハッシュタグ

プロジェクトのウェブ・スクレイピング・メカニズムは、ドメインの専門家によって特定された200の薬物関連ハッシュタグを追跡することから始まり、ハッシュタグ検索 APIを使用しています。

これらのハッシュタグを使用した投稿内の画像は、VGG-16ベースの二値 分類モデルを使用して分類されます。既知の薬物画像と相関する画像はシステムに保存され、投稿は後で回収できるJSONオブジェクトに変換されます。

その後、ハッシュタグに参加した投稿者が投稿した関連コメントや情報（テキストや画像）が、ホームページに含まれる情報とともに拡張されます。こうして、10,000件の投稿と23,034件のユーザーホームページがデータセットに取り込まれました。

薬物関連ハッシュタグは、パターン検出を避け、当局の注目を逃れるために不断に変化するため、フラグ付けされた投稿に含まれるシードハッシュタグ・コレクションの一部ではない新しいハッシュタグは、将来の使用のために記録されます。

ウェブベースの注釈インターフェース（上の画像参照）でのラベル付け後、マルチモーダル・データ・フュージョンは、すべての投稿に4つの可能なデータ・タイプのすべてが含まれるわけではないことを考慮する必要があります。したがって、アルゴリズムは、連結とフュージョンされた特徴を使用して、16のサブ・ポイントのうち9つを許容し、計算では不足している要素はゼロになります。

NetworkX

最終的に、データセットはニューメキシコのロスアラモス国立研究所で2008年に提案されたNetworkX Python言語パッケージを使用して利用されます。NetworkXは、1000万ノードを超えるグラフを含む大規模な作業で広く使用されてきました。

データセット内のハッシュタグを1つの投稿に含まれているものとして扱うことで、研究者はNetworkXが分析できる薬物関連の無向グラフを生成することができました。

IDDIGデータセットは、マルチモーダル・データ・フュージョン、多源データ・フュージョン、四重フュージョンを含むさまざまなプロトコルでテストされ、人間によるループ内手法との比較で、薬物関連投稿やユーザーの特定において最大95%の精度を達成しました。

インスタグラムでの薬物関連活動の地理的配置に関する広範な指標を示す「サンバースト・プロット」の生成も可能であり、同様のプロジェクトでの将来的な研究のための他の潜在的な研究ラインもありました。