การระบุ Crowdturfers บน Instagram ด้วย Machine Learning

นักวิจัยจากอิตาลีและอิหร่านอ้างว่าได้พัฒนาระบบ Machine Learning ที่สามารถระบุ ‘crowdturfing’ ของบัญชีผู้ใช้ Instagram ที่ไม่ใช่บอทได้ ซึ่งเป็นบัญชีของมนุษย์ที่ให้บริการ ‘การสร้างโปรไฟล์’ บนแพลตฟอร์มที่ขายกิจกรรมดังกล่าวในราคาส่ง

วิธีการใหม่นี้อ้างว่ามีคะแนนความแม่นยำประมาณ 95% และใช้การเรียนรู้แบบกึ่ง监督ในระบบประมวลผลภาษาธรรมชาติ (NLP)

ผู้เขียนอ้างว่าตามความรู้ของพวกเขา ระบบของพวกเขาคือระบบตรวจจับ crowdturfing (CT) แรกที่สามารถระบุบัญชีที่ไม่ใช่บอทที่มีการมีส่วนร่วมที่ปลอมและการเพิ่มโปรไฟล์ได้อย่างน่าเชื่อถือ

เพื่อให้บรรลุเป้าหมายนี้ ผู้เขียนได้ซื้อโปรไฟล์ crowdturfing 1,293 โปรไฟล์จากผู้ให้บริการ CT 11 รายเพื่อให้ได้ข้อมูลในการฝึกอบรมระบบ CT ของพวกเขา เนื่องจาก Instagram มีมาตรการป้องกันบอทที่มีประสิทธิภาพ ผู้วิจัยจึงต้องจ่ายเงินให้กับผู้ใช้ Instagram ที่มีอิทธิพลจริงๆ เพื่อให้พวกเขา ‘มีส่วนร่วมเชิงกลยุทธ์’ กับ ‘ลูกค้า’ โดยการแชร์ความคิดเห็นหรือมีส่วนร่วมในกิจกรรมที่เกี่ยวข้องกับความคิดเห็นในโพสต์

หลังจากฝึกอบรมแบบจำลองแล้ว ผู้เขียนได้ปล่อยให้มันวิเคราะห์โปรไฟล์การมีส่วนร่วมของ ‘mega-influencers’ 20 คน ซึ่งมีผู้ติดตามมากกว่า 1 ล้านคน และสรุปว่า ‘มากกว่า 20% ของการมีส่วนร่วมเป็นเทียม’

เอกสารวิจัยที่มีชื่อว่า Are We All in a Truman Show? Spotting Instagram Crowdturfing through Self-Training และมาจากนักวิจัย 5 คนจาก University of Padova ในอิตาลีและ Imam Reza University ในอิหร่าน

การละเมิดนโยบายของ Instagram

ไม่เหมือนกับ Twitter ที่นักวิจัยทางสังคมชอบใช้เนื่องจากความมุ่งมั่นในการช่วยเหลือการวิจัย Instagram ไม่เพียงแต่ไม่มี API หรือข้อมูลที่อัปเดตให้กับนักวิจัย แต่ยังห้ามการซื้อขายโดยใช้เครื่องจักรในนโยบายการบริการด้วย ดังนั้นงานแรกของนักวิจัยคือการได้รับการยกเว้นจากคณะกรรมการที่ปรึกษาทางจริยธรรมของสถาบัน โดยอ้างอิงจาก งานก่อนหน้า ที่ใช้วิธีการที่คล้ายกันในการสืบค้น ‘กิจกรรมใต้ดิน’

บริการ crowdturfing ถูกซื้อสำหรับบัญชี Instagram ใหม่ที่สร้างโดยนักวิจัยเพื่อจุดประสงค์ของพวกเขา ซึ่งทั้งหมดถูกลบหลังการทดลอง เพื่อหลีกเลี่ยงการมีส่วนร่วมของ ‘ผู้ใช้จริง’ บัญชีผู้ใช้แบบอินฟลูเอ็นเซอร์ที่ศึกษาและบริการแพลตฟอร์ม CT ไม่ได้ถูกตั้งชื่อ

อีกหนึ่งอุปสรรคด้านจริยธรรมคือนักวิจัยไม่สามารถขอความยินยอมจากผู้มีอิทธิพลที่กำลังศึกษาได้เนื่องจาก ผลฮอว์ธอร์น (เช่น อาจเปลี่ยนพฤติกรรมของผู้มีอิทธิพล) และการยกเว้นนี้ได้รับจาก IRB

มนุษย์ขาย

นักวิจัยซื้อ ‘ผู้ติดตามปลอม’ 100 โปรไฟล์จากผู้ให้บริการ 11 ราย (ที่ไม่มีชื่อ)

เอกสารวิจัยระบุว่า*:

‘ทุกผู้ให้บริการที่เราเลือกมีการส่งมอบผู้ติดตามที่มีส่วนร่วมด้วยการกดไลค์และความคิดเห็นในโพสต์เพื่อเพิ่มอัตราการมีส่วนร่วมของพวกเขา’

‘โปรไฟล์ CT เหล่านี้ถือเป็นผู้ติดตามคุณภาพสูงและมีราคาสูงกว่า “เบส” โปรไฟล์ปลอม ความน่าเชื่อถือของผู้ให้บริการเหล่านี้ได้รับการสนับสนุนจากแพลตฟอร์มรีวิวที่มีชื่อเสียง เช่น TrustPilot’

ข้อมูล

นักวิจัยรวบรวมข้อมูลผ่านการนำไปใช้ของเฟรมเวิร์ก browser-automating Selenium ผลลัพธ์รวมถึงข้อมูลโปรไฟล์จากผู้ใช้ CT 1,293 คนและผู้ใช้ non-CT 1,307 คน

วิธีการและทดลอง

นอกเหนือจาก Selenium เทคโนโลยีที่ใช้ในการทดลอง ได้แก่ SpaCy ที่ใช้การประมวลผลแบบ transformer-based, self-training classifier ของ scikit learn และ Instaloader

ไม่มี ‘ส่วนผลลัพธ์’ ทั่วไปในเอกสารวิจัยใหม่นี้ เนื่องจากเป็นเรื่องที่ไม่เหมือนใคร (เช่น การอนุมานอัตโนมัติของบัญชี Instagram ที่เสียหาย) ที่ไม่เหมือนกับงานก่อนหน้านี้ (เช่น การอนุมานอัตโนมัติของกิจกรรมบอทอัตโนมัติบน Instagram)

นักวิจัยใช้วิธีการต่างๆ กับผู้ใช้ที่ซื้อมา (ซึ่งพวกเขารู้สึกสบายใจที่จะอธิบายว่าเป็น ‘ปลอม’ มากกว่า ‘non-CT’ เนื่องจากบัญชีจริงๆ เหล่านี้กำลังดำเนินกิจกรรมมีส่วนร่วมที่ไม่ใช่แบบออร์แกนิกและจ่ายเงิน) ตลอดจนเทคโนโลยีที่เกี่ยวข้องกับ NLP

ในบรรดาด้านที่ศึกษา ได้แก่ การวิเคราะห์ภาษา (ซึ่งในโลก CT มักจะใช้ภาษาอังกฤษเป็นหลัก แม้ว่าแพลตฟอร์ม CT จะมีผู้ติดตามที่ไม่ใช่ภาษาอังกฤษที่ตั้งอยู่ตามภูมิภาค) การนับความคิดเห็น (ซึ่งผู้ใช้ปลอมจะยึดมั่นในการมีส่วนร่วมของจริงเพื่อหลีกเลี่ยงการตรวจจับ) และการวิเคราะห์คำทั่วไป:

เอกสารวิจัยระบุว่า:

‘[ในขณะที่] Instagram และชุมชนการวิจัยมุ่งเน้นไปที่การตรวจจับบอทและบัญชีอัตโนมัติ เราเชื่อว่าการวิจัยเพิ่มเติมควรดำเนินการเกี่ยวกับกิจกรรม CT ซึ่งส่งผลเสียต่อการตลาดอินฟลูเอ็นเซอร์ แพลตฟอร์ม Instagram และผู้ใช้ส่วนใหญ่’

* URL ของ TrustPilot ที่นักวิจัยอ้างถึงถูกลบออก

เผยแพร่ครั้งแรกเมื่อวันที่ 28 มิถุนายน 2022