Sztuczna inteligencja identyfikuje dealerów narkotyków na Instagramie z dokładnością prawie 95%

Naukowcy z USA opracowali wielomodalny system machine learning, który jest w stanie identyfikować konta i posty dealerów narkotyków na Instagramie, analizując różnego rodzaju treści, w tym treści wizualne.

Badanie, zatytułowane Identifying Illicit Drug Dealers on Instagram with Large-scale Multimodal Data Fusion, jest współpracą między trzema naukowcami z West Virginia University a jednym z Case Western Reserve University.

Aby ułatwić projekt, naukowcy stworzyli bazę danych o nazwie Identifying Drug Dealers on Instagram (IDDIG), zawierającą 4000 kont użytkowników, z których 1,400 to konta dealerów narkotyków, a reszta to grupa kontrolna do testowania procesu identyfikacji.

Rama wielomodalnego systemu wykrywania dealerów. Model obejmuje opublikowane obrazy, komentarze, a także informacje z obrazów na stronie głównej i teksty biograficzne opublikowane na stronie głównej. Source: https://arxiv.org/pdf/2108.08301.pdf

Początkowe testy techniki wykazały prawie 95% dokładność w identyfikowaniu dealerów narkotyków na Instagramie, a rama również doprowadziła do projektu wykrywania społeczności opartego na hashtagach, który ma na celu odkrycie zmieniających się wskaźników aktywności związanej ze sprzedażą nielegalnych narkotyków, wykorzystując czynniki geograficzne i identyfikację konkretnych rodzajów narkotyków.

Ponieważ baza danych opracowana dla projektu wymagała ręcznego oznaczania, rama posiada przyjazny dla użytkownika system adnotacji, który wykorzystuje system klasyfikacji oparty na Bidirectional Encoder Representations from Transformers (BERT) firmy Google, a także klasyfikację obrazów opartą na ResNet.

System adnotacji oparty na sieci web (z dodatkowymi wskazówkami autorów artykułu) dla IDDIG.

Wykrywanie dealerów w rozmowach związanych z narkotykami

Narkotyki rekreacyjne są dyskutowane w szerokim zakresie kontekstów na platformach społecznościowych, takich jak Instagram. Wiele osób, które publikują, to konsumenci, a nie dealerzy. W zależności od przepisów w ich miejscu zamieszkania i możliwości posiadania recepty, nawet w miejscach, które różnią się w swoich przepisach narkotykowych, mogą być również legalnymi konsumentami.

Obrazy związane z narkotykami wprowadzone do bazy danych projektu.

Ponadto, zachowanie dealerów narkotyków na Instagramie nie jest zawsze jawne; często dealerzy reklamują się za pomocą komentarzy i hashtagów zamiast postów multimedialnych, co generalnie byłoby łatwiejsze do identyfikacji jako “zawartość związana z handlem narkotykami” zarówno dla systemów nadzoru ludzkiego, jak i maszynowego. Dlatego też hashtagi i aktywność komentarzy zostały uwzględnione jako atuty identyfikujące w nowym systemie.

Różne wzory handlu narkotykami na postach na Instagramie.

Ponadto, oprócz analizy tekstu opartej na BERT i analizy obrazów opartej na ResNet, praca obejmuje poziomową fuzję danych multimodalnych, zgodnie z propozycją zawartą w artykule z 2016 roku artykułu Discriminant Correlation Analysis: Real-Time Feature Level Fusion for Multimodal Biometric Recognition.

Hashtagi jako nasiona bazy danych

Mechanizm web-scrapingu projektu rozpoczyna swoją drogę do identyfikacji kont dealerów narkotyków, śledząc ślad 200 hashtagów związanych z narkotykami, zidentyfikowanych przez ekspertów branżowych, przy użyciu hashtag search API.

Obrazy w postach, które używają tych hashtagów, są następnie klasyfikowane przy użyciu modelu klasyfikacji binarnej VGG-16. Obrazy, które korelują z znanymi obrazami narkotyków, są zapisywane w systemie, a post jest konwertowany do obiektu JSON do późniejszego odzyskania.

Rama następnie rozszerza się na powiązane komentarze i informacje (zarówno tekstowe, jak i obrazkowe) zawarte na stronie głównej osób, które wzięły udział w hashtagu, a których zawartość została oznaczona jako związana z narkotykami. W ten sposób do zbioru danych wprowadzono 10 000 potencjalnych postów i 23 034 strony głównej użytkowników.

Ponieważ hashtagi związane z narkotykami ewoluują ciągle, aby uniknąć wykrycia i uwagi władz, nowe hashtagi w oznaczonym poście, które nie były częścią kolekcji hashtagów, są zauważane i zapisywane do przyszłego użycia.

Po oznaczeniu w interfejsie opartym na sieci web (patrz obraz powyżej), fuzja danych multimodalnych musi uwzględnić fakt, że nie wszystkie posty będą zawierać wszystkie cztery możliwe typy danych. Dlatego algorytm może tolerować dziewięć z szesnastu punktów podpunktów wśród czterech typów danych, przy użyciu konkatencji i połączonych cech, gdzie brakujące elementy będą odpowiadać zeru w obliczeniach.

NetworkX

Zbiór danych jest ostatecznie wykorzystywany za pomocą pakietu języka Python NetworkX, zaproponowanego w 2008 roku przez Los Alamos National Laboratory w Nowym Meksyku. NetworkX został wykorzystany w wielu dużych operacjach, w tym w grafach z ponad 10 milionami węzłów.

Traktując hashtagi w zbiorze danych jakby zostały uwzględnione w jednym poście, było możliwe dla naukowców wygenerowanie nieskierowanego grafu związanego z narkotykami dla NetworkX do analizy.

Zbiór danych IDDIG został przetestowany w różnych protokołach, w tym w fuzji danych multimodalnych, fuzji danych wieloźródłowych i fuzji opartej na czwórnikach, i osiągnął wyniki dokładności do 95% w zakresie identyfikacji postów i użytkowników związanych z narkotykami, w porównaniu z metodami identyfikacji z udziałem człowieka.

Było również możliwe wygenerowanie “sunburst plots”, ujawniających szerokie wskaźniki dla geograficznego rozmieszczenia aktywności związanej z narkotykami na Instagramie, oraz innych możliwych przyszłych kierunków badań w podobnych projektach.