Inteligența Artificială Identifică Dealerii de Droguri de pe Instagram cu o Precizie de Aproape 95%

Cercetătorii din Statele Unite au dezvoltat un sistem de învățare automată multimodal care este capabil să identifice conturile și postările dealerilor de droguri pe Instagram, prin analizarea unei varietăți de conținut, inclusiv conținut de imagine.

Cercetarea, intitulată Identificarea Dealerilor de Droguri Illicit pe Instagram prin Fuziunea Multimodală de Date la Scară Mare, este o colaborare între trei cercetători de la Universitatea din Virginia de Vest și unul de la Universitatea Case Western Reserve.

Pentru a facilita proiectul, cercetătorii au creat o bază de date numită Identificarea Dealerilor de Droguri pe Instagram (IDDIG), care conține 4000 de conturi de utilizator, dintre care 1.400 sunt conturile dealerilor de droguri, și restul ca grup de control pentru a testa procesul de identificare.

Cadrul sistemului de detectare a dealerilor multimodal. Modelul include imagini postate, comentarii postate, precum și informații de pe imaginile de pe pagina de start și biografii postate pe pagina de start. Sursă: https://arxiv.org/pdf/2108.08301.pdf

Testarea inițială a tehnicii raportează o rată de acuratețe de aproape 95% în identificarea dealerilor de droguri pe Instagram, și cadrul a condus, de asemenea, la un proiect de detectare a comunității bazat pe hashtaguri, destinat să descopere indicatori de schimbare ai activității legate de vânzarea de droguri ilegale, utilizând factori geografici și identificarea tipurilor specifice de droguri.

Deoarece baza de date dezvoltată pentru proiect a necesitat etichetarea manuală, cadrul prezintă un sistem de anotare prietenos cu utilizatorul, care utilizează un sistem de clasificare bazat pe Bidirectional Encoder Representations from Transformers (BERT) al Google, precum și clasificarea imaginilor bazată pe ResNet.

Sistemul de anotare web-based (cu indicații suplimentare de la autorii documentului) pentru IDDIG.

Identificarea Dealerilor în Conversațiile Legate de Droguri

Drogurile recreative sunt discutate într-un număr mare de contexte pe platforme de socializare, cum ar fi Instagram. Mulți dintre cei care postează sunt consumatori, nu dealeri. În funcție de reglementările din localitatea lor și de posibilitatea de a obține medicamente cu prescripție medicală, chiar și în localități cu legi diferite privind drogurile, ei pot fi, de asemenea, consumatori legali.

Imagini legate de droguri aduse în baza de date a proiectului.

În plus, comportamentul dealerilor de droguri pe Instagram nu este întotdeauna explicit; adesea dealerii fac publicitate prin comentarii și hashtaguri, în loc de postări multimedia, care ar fi, în general, mai ușor de identificat ca “conținut de droguri” atât pentru sistemele de supraveghere umană, cât și pentru cele automatizate. Prin urmare, hashtagurile și activitatea de comentarii au fost incluse ca active de identificare în noul sistem.

Multiple tipuri de activități de trafic de droguri pe postările de pe Instagram.

În plus față de analiza textului bazată pe BERT și investigarea imaginilor bazată pe ResNet, lucrarea incorporează fuziunea multimodală de date la nivel de caracteristici, așa cum a fost propusă în articolul IEEE din 2016 articolul Analiza Correlației Discriminante: Fuziune în Timp Real a Datelor Multimodale pentru Recunoașterea Biometrică.

Hashtaguri ca Semințe pentru o Bază de Date

Mecanismul de web-scraping al proiectului începe drumul său către identificarea conturilor de dealeri de droguri prin urmărirea a 200 de hashtaguri legate de droguri, identificate de experți în domeniu, utilizând API-ul de căutare a hashtagurilor.

Imaginile din postările care utilizează hashtagurile sunt clasificate utilizând un model de clasificare binară VGG-16. Imaginile care se corelează cu imagini cunoscute de droguri sunt salvate în sistem, iar postarea este convertită într-un obiect JSON pentru recuperarea ulterioară.

Cadrul se extinde apoi la comentarii și informații conexe (atât text, cât și imagini) conținute pe pagina de start a utilizatorilor care au participat la hashtag și a căror conținut a fost marcat ca fiind legat de droguri. În acest fel, 10.000 de postări potențiale și 23.034 de pagini de start ale utilizatorilor au fost incluse în setul de date.

Deoarece hashtagurile legate de droguri evoluează constant pentru a evita detectarea și atenția autorităților, orice nou hashtag din postarea marcată care nu a făcut parte din colecția inițială de hashtaguri este notat și înregistrat pentru utilizare viitoare.

După etichetarea în interfața web (vezi imaginea de mai sus), fuziunea multimodală a datelor trebuie să țină cont de faptul că nu toate postările vor conține toate cele patru tipuri posibile de date. Prin urmare, algoritmul poate tolera nouă din cele 16 sub-puncte dintre cele patru tipuri de date, utilizând concatenarea și caracteristicile fuzionate, unde elementele lipsă vor corespunde lui zero în calcul.

NetworkX

Setul de date este utilizat în final prin pachetul de limbaj Python NetworkX propus în 2008 de Laboratorul Național Los Alamos din New Mexico. NetworkX a fost utilizat pe scară largă în operațiuni de mare anvergură, inclusiv grafuri cu peste 10 milioane de noduri.

Prin tratarea hashtagurilor din setul de date ca și cum ar fi fost incluse într-o singură postare, a fost posibil pentru cercetători să genereze un graf neorientat legat de droguri pentru NetworkX să îl analizeze.

Setul de date IDDIG a fost testat pe o varietate de protocoale, inclusiv Fuziunea Multimodală de Date, Fuziunea Multisursă de Date și Fuziunea Bazată pe Cvadruplu, și a obținut rezultate de până la 95% în ceea ce privește identificarea postărilor și utilizatorilor legați de droguri, în comparație cu metodele de identificare cu intervenție umană.

A fost posibil, de asemenea, să se genereze “diagrame de raze” care dezvăluie indicatori generali pentru dispoziția geografică a activității legate de droguri pe Instagram, și alte posibile direcții viitoare de cercetare în proiecte similare.

în termeni de identificare a postărilor și utilizatorilor legați de droguri, în comparație cu metodele de identificare cu intervenție umană.