มุมมองของ Anderson
ระบบ AI ระบุตัวจำหน่ายยาเสพติดใน Instagram ได้ถึง 95%
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
นักวิจัยในสหรัฐอเมริกาได้พัฒนาระบบการเรียนรู้ของเครื่องแบบหลายโหมดที่สามารถระบุบัญชีและโพสต์ของผู้จำหน่ายยาเสพติดใน Instagram ได้ โดยการวิเคราะห์ข้อมูลหลายประเภท รวมถึงข้อมูลภาพ
การวิจัย นี้ ที่มีชื่อเรื่องว่า การระบุตัวจำหน่ายยาเสพติดใน Instagram โดยใช้ข้อมูลหลายโหมดขนาดใหญ่ เป็นการร่วมมือระหว่างนักวิจัยสามคนจาก West Virginia University และหนึ่งคนจาก Case Western Reserve University
เพื่อให้โครงการนี้สำเร็จ นักวิจัยได้สร้างฐานข้อมูลที่เรียกว่า การระบุตัวจำหน่ายยาเสพติดใน Instagram (IDDIG) ซึ่งมีบัญชีผู้ใช้ 4,000 บัญชี โดย 1,400 บัญชีเป็นบัญชีของผู้จำหน่ายยาเสพติด และบัญชีอื่นๆ เป็นกลุ่มควบคุมเพื่อทดสอบกระบวนการระบุ
โครงสร้างของระบบการตรวจจับdealerหลายโหมด Source: https://arxiv.org/pdf/2108.08301.pdf
การทดสอบเบื้องต้นของเทคนิคนี้รายงานอัตราความแม่นยำเกือบ 95% ในการระบุบัญชีและโพสต์ของผู้จำหน่ายยาเสพติดใน Instagram และโครงสร้างนี้ยังนำไปสู่โครงการการตรวจจับชุมชนโดยใช้แฮชแท็กที่ออกแบบมาเพื่อค้นหาสัญญาณที่เปลี่ยนแปลงเกี่ยวกับการขายยาเสพติดโดยใช้ปัจจัยทางภูมิศาสตร์และการระบุประเภทของยาเสพติด
เนื่องจากฐานข้อมูลที่พัฒนาเพื่อโครงการนี้ต้องการการทำเครื่องหมายด้วยมือ โครงสร้างจึงมีระบบการทำเครื่องหมายที่ใช้ได้ง่าย ซึ่งใช้ระบบการจำแนกประเภทที่ dựaบน Google’s Bidirectional Encoder Representations from Transformers (BERT) และการจำแนกภาพโดยใช้ ResNet
ระบบการทำเครื่องหมายบนเว็บสำหรับ IDDIG
การระบุตัวจำหน่ายในบทสนทนาที่เกี่ยวข้องกับยาเสพติด
ยาสนับสนุนถูกพูดถึงในหลายๆ บริบทบนแพลตฟอร์มโซเชียลมีเดีย เช่น Instagram มีผู้ใช้หลายคนโพสต์เกี่ยวกับยาสนับสนุน แต่ไม่ใช่ผู้ขาย ยาสนับสนุนอาจถูกใช้โดยผู้บริโภคที่มีใบสั่งยาจากแพทย์หรือตามกฎหมายในพื้นที่ของตน
รูปภาพที่เกี่ยวข้องกับยาเสพติดที่นำเข้าฐานข้อมูล
นอกจากนี้ พฤติกรรมของผู้จำหน่ายยาเสพติดบน Instagram ไม่จำเป็นต้องเปิดเผยเสมอไป ผู้จำหน่ายมักจะโฆษณาโดยใช้คำวิจารณ์และแฮชแท็กแทนที่จะเป็นโพสต์มัลติมีเดีย ซึ่งโดยทั่วไปแล้วจะง่ายต่อการระบุว่าเป็น “การจำหน่ายยาเสพติด” สำหรับทั้งระบบการตรวจสอบของมนุษย์และเครื่องจักร ดังนั้นแฮชแท็กและกิจกรรมในการแสดงความคิดเห็นจึงถูกนำมาใช้เป็นสินทรัพย์ในการระบุในระบบใหม่นี้
รูปแบบต่างๆ ของการค้ายาเสพติดบนโพสต์ Instagram
นอกจากการวิเคราะห์ข้อความโดยใช้ BERT และการตรวจสอบภาพโดยใช้ ResNet แล้ว งานนี้ยังรวมถึงการรวมข้อมูลหลายโหมดระดับฟีเจอร์ ตามที่เสนอใน เอกสาร การวิเคราะห์ความสัมพันธ์แบบจำแนก: การรวมข้อมูลระดับฟีเจอร์แบบเรียลไทม์สำหรับการรู้จำไบโอเมตริกซ์หลายโหมด ในปี 2016
แฮชแท็กเป็นเมล็ดพันธุ์สำหรับฐานข้อมูล
กลไกการค้นหาเว็บของโครงการเริ่มต้นด้วยการตามรอย 200 แฮชแท็กที่เกี่ยวข้องกับยาเสพติดที่ระบุโดยผู้เชี่ยวชาญในด้าน โดยใช้ API การค้นหาแฮชแท็ก
รูปภาพในโพสต์ที่ใช้แฮชแท็กเหล่านั้นจะถูกจำแนกโดยใช้ แบบจำลองการจำแนกสองประเภท ที่ใช้ VGG-16 รูปภาพที่สอดคล้องกับภาพที่ทราบของยาเสพติดจะถูกบันทึกในระบบ และโพสต์จะถูกแปลงเป็นวัตถุ JSON สำหรับการดึงข้อมูลในภายหลัง
จากนั้นโครงสร้างจะขยายออกไปสู่ข้อความที่เกี่ยวข้องและข้อมูล (ทั้งข้อความและรูปภาพ) ที่อยู่ในหน้าแรกของผู้ที่เข้าร่วมในแฮชแท็ก และมีเนื้อหาที่ถูกติดแท็กว่าเป็นยาเสพติด ในวิธีนี้ 10,000 โพสต์ที่เป็นไปได้และ 23,034 หน้าแรกของผู้ใช้ถูกนำเข้าไปในเซตข้อมูล
เนื่องจากแฮชแท็กที่เกี่ยวข้องกับยาเสพติดเปลี่ยนแปลงอย่างต่อเนื่องเพื่อหลบการตรวจจับและความสนใจของเจ้าหน้าที่ แฮชแท็กใหม่ๆ ในโพสต์ที่ถูกติดแท็กซึ่งไม่ได้เป็นส่วนหนึ่งของชุดแฮชแท็กเมล็ดพันธุ์จะถูกบันทึกและจดจำสำหรับการใช้งานในอนาคต
หลังจากการทำเครื่องหมายในอินเทอร์เฟซบนเว็บ (ดูภาพด้านบน) การรวมข้อมูลหลายโหมดจะต้องรองรับข้อเท็จจริงที่ว่าไม所有โพสต์จะมีข้อมูลทั้งสี่ประเภท ดังนั้นアルゴリทึมจึงสามารถทนได้ถึง 9 ใน 16 จุดย่อยของข้อมูลทั้งสี่ประเภท โดยใช้การเชื่อมต่อและคุณลักษณะที่รวมกัน โดยส่วนประกอบที่หายไปจะสอดคล้องกับศูนย์ในการคำนวณ
NetworkX
เซตข้อมูลสุดท้ายถูกนำมาใช้โดยใช้ แพ็คเกจภาษา Python NetworkX ที่เสนอในปี 2008 โดยห้องปฏิบัติการแห่งชาติ Los Alamos ในรัฐนิวเม็กซิโกو NetworkX ถูกใช้กันอย่างแพร่หลายในปฏิบัติการขนาดใหญ่ รวมถึงกราฟที่มีมากกว่า 10 ล้านโหนด
โดยการรักษาแฮชแท็กในเซตข้อมูลให้เหมือนกับถูกนำมาใช้ในโพสต์เดียว นักวิจัยสามารถสร้างกราฟที่ไม่มีทิศทางเกี่ยวกับการค้ายาเสพติดให้กับ NetworkX เพื่อวิเคราะห์ได้
เซตข้อมูล IDDIG ถูกทดสอบผ่านโปรโตคอลต่างๆ รวมถึงการรวมข้อมูลหลายโหมด การรวมข้อมูลจากหลายแหล่ง และการรวมข้อมูลแบบสี่เท่า และได้รับผลลัพธ์ด้านความแม่นยำสูงถึง 95% ในการระบุโพสต์และผู้ใช้ที่เกี่ยวข้องกับยาเสพติด เมื่อเทียบกับวิธีการระบุแบบมีมนุษย์ในวงจร
นอกจากนี้ยังสามารถสร้าง ‘sunburst plots’ ที่เปิดเผยสัญญาณที่กว้างเกี่ยวกับการกระจายทางภูมิศาสตร์ของการค้ายาเสพติดบน Instagram และเส้นทางการวิจัยที่เป็นไปได้ในอนาคตในโครงการที่คล้ายกัน
