Instagram Uyuşturucu Satıcılarını Yaklaşık %95 Doğruluk Oranıyla Tanıyan AI

Araştırmacılar, Instagram’da uyuşturucu satıcılarının hesaplarını ve gönderilerini, çeşitli içerikleri analiz ederek tanımlayabilen bir çok modelli makine öğrenimi sistemi geliştirdiler.

Araştırma, West Virginia Üniversitesi’nden üç araştırmacı ve Case Western Reserve Üniversitesi’nden bir araştırmacı arasında bir işbirliği olup, Instagram’da Yasadışı Uyuşturucu Satıcılarını Tanımlama adlı bir veritabanı oluşturdular.

Proje için araştırmacılar, 4000 kullanıcı hesabından oluşan bir veritabanı oluşturdular. Bu veritabanında 1.400 hesabı uyuşturucu satıcılarının hesapları olarak belirlediler ve geri kalan hesapları kontrol grubu olarak tanımladılar.

Çok modelli satıcı tespit sisteminin çerçevesi. Model, paylaşılan resimler, paylaşılan yorumlar, ana sayfa resimleri ve biyografi metinleri gibi bilgileri içerir. Kaynak: https://arxiv.org/pdf/2108.08301.pdf

Tekniğin ilk testleri, Instagram’daki uyuşturucu satıcılarını tanımlamada neredeyse %95’lik bir doğruluk oranını rapor etti ve çerçeve, coğrafi faktörleri ve belirli uyuşturucu türlerinin tanımlanmasını kullanarak, yasadışı uyuşturucu satışına ilişkin faaliyetlerin değişen belirteçlerini keşfetmek için tasarlanan bir hashtag tabanlı topluluk tespit projesine de yol açtı.

Veritabanı, manuel etiketleme gerektirdiği için, çerçeve, Google’ın Bidirectional Encoder Representations from Transformers (BERT) tabanlı bir sınıflandırma sistemi ve ResNet tabanlı resim sınıflandırması kullanarak, kullanıcı dostu bir etiketleme sistemi içerir.

IDDIG için web tabanlı etiketleme sistemi.

Uyuşturucu İlgili Konuşmalarda Satıcıları Tanıma

Rekreasyon uyuşturucular, Instagram gibi sosyal medya platformlarında geniş bir bağlamda tartışılır. Bu gönderileri yapanların çoğu, satıcılar değil, tüketicilerdir. Yerel düzenlemelerine ve reçeteli ilaç olasılığına bağlı olarak, onlar da yasal tüketiciler olabilir.

Proje veritabanına eklenen uyuşturucu ile ilgili resimler.

Ek olarak, uyuşturucu satıcılarının Instagram’daki davranışları her zaman açık değildir; thường, satıcılar, çokluortam gönderileri yerine yorumlar ve hashtag’ler aracılığıyla reklam yaparlar, bu da hem insan hem de makine denetim sistemleri için “uyuşturucu satışı” içeriğini genel olarak tanımlamayı daha zor hale getirir. Bu nedenle, hashtag’ler ve yorum aktiviteleri, yeni sistemin tanımlama varlıkları olarak dahil edilmiştir.

Instagram gönderilerinde uyuşturucu ticaretinin çeşitli kalıpları.

BERT tabanlı metin analizi ve ResNet türetilen resim araştırması yanı sıra, çalışma, 2016 IEEE makalesinde önerilen özellik-seviyesi çok modelli veri birleştirme içerir: Ayrımcı Korelasyon Analizi: Çok Modelli Biyometrik Tanıma için Gerçek Zamanlı Özellik Seviyesi Birleştirme.

Veritabanı için Tohum Olarak Hashtag’ler

Projenin web tarayıcı mekanizması, 200 uyuşturucu ile ilgili hashtag’i izleyerek, uyuşturucu satıcılarının hesaplarını tanımlamak için bir yolculuğa başlar. Bu hashtag’ler, alan uzmanları tarafından belirlenir ve hashtag arama API’si kullanılarak bulunur.

Paylaşılan gönderilerdeki resimler, VGG-16 tabanlı ikili sınıflandırma modeli kullanılarak sınıflandırılır. Bilinen uyuşturucu görüntüleri ile ilgili resimler sistemde kaydedilir ve gönderi, daha sonra geri çağrılması için JSON nesnesine dönüştürülür.

Çerçeve, daha sonra, hashtag’lere katılan ve içeriği uyuşturucu ile ilgili olarak işaretlenen gönderilerin yorumlarına ve ana sayfa bilgilerine (hem metin hem de resim) genişler. Bu şekilde, 10.000 potansiyel gönderi ve 23.034 kullanıcı ana sayfası verisetine dahil edilir.

Uyuşturucu ile ilgili hashtag’ler, kalıp tespit edilmesini ve yetkililerin dikkatini çekmesini önlemek için sürekli olarak evrim geçirir. Bu nedenle, işaretlenen gönderilerde bulunan ve tohum hashtag koleksiyonunun bir parçası olmayan yeni hashtag’ler not edilir ve gelecekteki kullanım için kaydedilir.

Web tabanlı arabirimde (yukarıdaki resme bakın) etiketleme sonrasında, çok modelli veri birleştirme, tüm dört veri türünün her zaman mevcut olmayabileceği gerçeğini dikkate almak zorundadır. Bu nedenle, algoritma, konsolidasyon ve birleştirilmiş özellikler kullanarak, 16 alt noktanın dokuzunu tolere edebilir ve eksik öğeler hesaplamada sıfıra karşılık gelir.

NetworkX

Veriseti, sonunda New Mexico’daki Los Alamos Ulusal Laboratuvarı tarafından 2008 yılında önerilen NetworkX Python dili paketi kullanılarak kullanılır. NetworkX, 10 milyondan fazla düğüm içeren grafiklerle büyük ölçekli operasyonlarda yaygın olarak kullanılmıştır.

Verisetindeki hashtag’leri, bir gönderide dahil edilmiş gibi davranarak, araştırmacılar NetworkX tarafından analiz edilebilecek bir yönsüz uyuşturucu ile ilgili grafik oluşturabildiler.

IDDIG veriseti, Çok Modelli Veri Birleştirme, Çok Kaynaklı Veri Birleştirme ve Dörtlü Tabanlı Birleştirme dahil çeşitli protokollerde test edildi ve insan döngüsüne dayalı tanımlama yöntemleri ile karşılaştırıldığında, uyuşturucu ile ilgili gönderileri ve kullanıcıları tanımlamada %95’e varan doğruluk oranları elde etti.

Instagram’da uyuşturucu ile ilgili faaliyetin coğrafi dağılımını gösteren geniş göstergeler ortaya çıkaran “sunburst plot’lar” oluşturmak da mümkündü ve benzer projelerde olası gelecek araştırma hatları.

uyuşturucu ile ilgili gönderileri ve kullanıcıları tanımlama konusunda insan döngüsüne dayalı tanımlama yöntemleri ile karşılaştırıldığında.