Inteligência Artificial Identifica Vendedores de Drogas no Instagram com Quase 95% de Precisão

Pesquisadores nos EUA desenvolveram um sistema de aprendizado de máquina multimodal capaz de identificar contas e posts de vendedores de drogas no Instagram, analisando uma variedade de conteúdos, incluindo imagens.

A pesquisa, intitulada Identificando Vendedores de Drogas Ilegais no Instagram com Fusão de Dados Multimodais em Grande Escala, é uma colaboração entre três pesquisadores da Universidade de West Virginia e um da Universidade de Reserva do Oeste de Case.

Para facilitar o projeto, os pesquisadores criaram um banco de dados chamado Identificando Vendedores de Drogas no Instagram (IDDIG), com 4000 contas de usuário, sendo 1.400 contas de vendedores de drogas, e o restante como um grupo de controle para testar o processo de identificação.

A estrutura do sistema de detecção de vendedores multimodal. O modelo inclui imagens publicadas, comentários publicados, bem como informações de imagens e textos de biografia publicados na página inicial. Fonte: https://arxiv.org/pdf/2108.08301.pdf

Os testes iniciais da técnica relatam uma taxa de precisão de quase 95% na identificação de vendedores de drogas no Instagram, e a estrutura também levou a um projeto de detecção de comunidades baseado em hashtags, projetado para descobrir indicadores de atividade relacionada à venda de drogas ilegais, utilizando fatores geográficos e identificação de tipos específicos de drogas.

Como o banco de dados desenvolvido para o projeto exigia marcação manual, a estrutura apresenta um sistema de anotação amigável, que usa um sistema de classificação baseado no Bidirectional Encoder Representations from Transformers (BERT) da Google, bem como classificação de imagens baseada em ResNet.

O sistema de anotação baseado na web (com indicações adicionais dos autores do artigo) para o IDDIG.

Identificando os Vendedores em Conversas Relacionadas a Drogas

Drogas recreativas são discutidas em uma ampla gama de contextos em plataformas de mídia social, como o Instagram. Muitos dos que postam são consumidores, e não vendedores. Dependendo das regulamentações em sua localidade e da possibilidade de medicamentos com prescrição, mesmo em localidades que diferem em sua legislação sobre drogas, eles também podem ser consumidores legais.

Imagens relacionadas a drogas trazidas para o banco de dados do projeto.

Além disso, o comportamento de vendedores de drogas no Instagram não é sempre explícito; frequentemente, os vendedores anunciam via comentários e hashtags, em vez de posts multimídia, que seriam, em geral, mais fáceis de identificar como conteúdo de “venda de drogas” para sistemas de supervisão humanos e de máquina. Portanto, hashtags e atividade de comentários foram incorporados como ativos de identificação no novo sistema.

Múltiplos padrões do comércio de drogas em posts do Instagram.

Além da análise de texto baseada em BERT e da investigação de imagens baseada em ResNet, o trabalho incorpora fusão de dados multimodais em nível de recurso, como proposto no artigo de 2016 da IEEE Discriminant Correlation Analysis: Real-Time Feature Level Fusion for Multimodal Biometric Recognition.

Hashtags como Sementes para um Banco de Dados

O mecanismo de raspagem de dados do projeto começa sua jornada para a identificação de contas de vendedores de drogas rastreando o caminho de 200 hashtags relacionadas a drogas identificadas por especialistas do domínio, usando a API de busca de hashtags.

Imagens em posts que usam as hashtags são então classificadas usando um modelo de classificação binária baseado em VGG-16. Imagens que se correlacionam com imagens de drogas conhecidas são então salvas no sistema, e o post é convertido em um objeto JSON para recuperação posterior.

A estrutura então se estende para comentários e informações relacionados (tanto texto quanto imagens) contidos na página inicial de postadores que participaram da hashtag e cujo conteúdo foi marcado como relacionado a drogas. Dessa forma, 10.000 posts potenciais e 23.034 páginas iniciais de usuário foram incorporados ao conjunto de dados.

Como as hashtags relacionadas a drogas evoluem constantemente para evadir a detecção de padrões e a atenção das autoridades, quaisquer novas hashtags nos posts marcados que não faziam parte da coleção de hashtags iniciais são anotadas e registradas para uso futuro.

Após a marcação na interface baseada na web (ver imagem acima), a fusão de dados multimodais precisa acomodar o fato de que nem todos os posts conterão os quatro tipos possíveis de dados. Portanto, o algoritmo pode tolerar nove de um total de 16 subpontos entre os quatro tipos de dados, usando concatenação e recursos fundidos, onde elementos ausentes corresponderão a zero no cálculo.

NetworkX

O conjunto de dados é finalmente utilizado por meio do pacote de linguagem Python NetworkX proposto em 2008 pelo Laboratório Nacional de Los Alamos, no Novo México. O NetworkX foi amplamente utilizado em operações em grande escala, incluindo grafos com mais de 10 milhões de nós.

Ao tratar as hashtags no conjunto de dados como se elas tivessem sido incluídas em um post, foi possível para os pesquisadores gerar um gráfico direcionado de drogas relacionadas para o NetworkX analisar.

O conjunto de dados IDDIG foi testado em uma variedade de protocolos, incluindo Fusão de Dados Multimodais, Fusão de Dados Multifontes e Fusão Quadrupla, e alcançou resultados de precisão de até 95% em termos de identificação de posts e usuários relacionados a drogas, em comparação com métodos de identificação com humanos no loop.

Foi possível também gerar ‘gráficos de explosão’ revelando indicadores amplos para a disposição geográfica da atividade relacionada a drogas no Instagram, e outras possíveis linhas de investigação futuras em projetos semelhantes.