Trí tuệ nhân tạo xác định các nhà bán lẻ ma túy trên Instagram với độ chính xác gần 95%

Những nhà nghiên cứu tại Mỹ đã phát triển một hệ thống học máy đa phương thức có khả năng xác định các tài khoản và bài đăng của những người bán lẻ ma túy trên Instagram, bằng cách phân tích nhiều loại nội dung, bao gồm cả nội dung hình ảnh.

Nghiên cứu này, có tiêu đề Xác định những người bán lẻ ma túy bất hợp pháp trên Instagram với sự kết hợp dữ liệu đa phương thức lớn, là một sự hợp tác giữa ba nhà nghiên cứu tại Đại học Tây Virginia và một người từ Đại học Dự bị Western.

Để thực hiện dự án, các nhà nghiên cứu đã tạo một cơ sở dữ liệu gọi là Xác định những người bán lẻ ma túy trên Instagram (IDDIG), bao gồm 4000 tài khoản người dùng, với 1.400 tài khoản là của những người bán lẻ ma túy, và phần còn lại là một nhóm kiểm soát để kiểm tra quá trình xác định.

Khung架 của hệ thống phát hiện người bán lẻ ma túy đa phương thức. Mô hình bao gồm hình ảnh được đăng, bình luận được đăng, cũng như thông tin từ hình ảnh trang chủ và văn bản tiểu sử được đăng trên trang chủ. Nguồn: https://arxiv.org/pdf/2108.08301.pdf

Kết quả thử nghiệm ban đầu của kỹ thuật này cho thấy tỷ lệ chính xác gần 95% trong việc xác định những người bán lẻ ma túy trên Instagram, và khung架 này cũng đã dẫn đến một dự án phát hiện cộng đồng dựa trên hashtag được thiết kế để khám phá các chỉ số thay đổi liên quan đến hoạt động bán ma túy, sử dụng các yếu tố địa lý và xác định loại ma túy cụ thể.

Vì cơ sở dữ liệu được phát triển cho dự án này yêu cầu phải được gắn nhãn thủ công, khung架 này có một hệ thống chú thích thân thiện với người dùng, sử dụng một hệ thống phân loại dựa trên mô hình Encoder Representations từ Transformers (BERT) của Google, cũng như phân loại hình ảnh dựa trên ResNet.

Hệ thống chú thích dựa trên web (với các chỉ dẫn bổ sung của các tác giả của bài báo) cho IDDIG.

Phát hiện những người bán lẻ ma túy trong các cuộc trò chuyện liên quan đến ma túy

Ma túy được thảo luận trong nhiều ngữ cảnh trên các nền tảng truyền thông xã hội như Instagram. Nhiều người đăng bài là người tiêu dùng chứ không phải người bán. Tùy thuộc vào quy định tại địa phương của họ và khả năng có thể là thuốc theo đơn, họ cũng có thể là người tiêu dùng hợp pháp.

Hình ảnh liên quan đến ma túy được đưa vào cơ sở dữ liệu của dự án.

Ngoài ra, hành vi của những người bán lẻ ma túy trên Instagram không phải lúc nào cũng rõ ràng; thường những người bán lẻ quảng cáo qua bình luận và hashtag thay vì bài đăng đa phương tiện, điều này nói chung sẽ dễ dàng xác định hơn là nội dung “bán lẻ ma túy” cho cả hệ thống giám sát của con người và máy móc. Do đó, hashtag và hoạt động bình luận đã được kết hợp như các tài sản xác định trong hệ thống mới.

Nhiều mẫu của buôn bán ma túy trên các bài đăng Instagram.

Ngoài việc phân tích văn bản dựa trên BERT và điều tra hình ảnh dựa trên ResNet, công việc này kết hợp việc kết hợp dữ liệu đa phương thức ở cấp độ tính năng, như được đề xuất trong bài báo Phân tích tương quan phân biệt: Kết hợp dữ liệu đa phương thức thời gian thực cho nhận dạng sinh trắc học đa phương thức năm 2016.

Hashtag như hạt giống cho cơ sở dữ liệu

Cơ chế thu thập dữ liệu web của dự án bắt đầu hành trình xác định tài khoản bán lẻ ma túy bằng cách theo dõi 200 hashtag liên quan đến ma túy được xác định bởi các chuyên gia trong lĩnh vực, sử dụng API tìm kiếm hashtag.

Hình ảnh trong các bài đăng sử dụng hashtag sau đó được phân loại sử dụng mô hình phân loại nhị phân VGG-16. Hình ảnh tương quan với hình ảnh ma túy đã biết được lưu trong hệ thống, và bài đăng được chuyển đổi thành một đối tượng JSON để truy xuất sau.

Khung架 sau đó mở rộng đến các bình luận và thông tin liên quan (cả văn bản và hình ảnh) chứa trong trang chủ của những người đăng đã tham gia vào hashtag, và nội dung của họ đã được gắn cờ là liên quan đến ma túy. Theo cách này, 10.000 bài đăng tiềm năng và 23.034 trang chủ người dùng đã được đưa vào tập dữ liệu.

Vì các hashtag liên quan đến ma túy luôn thay đổi để tránh phát hiện và sự chú ý của cơ quan chức năng, bất kỳ hashtag mới nào trong bài đăng được gắn cờ mà không phải là một phần của bộ sưu tập hashtag ban đầu sẽ được ghi chú và ghi lại để sử dụng trong tương lai.

Sau khi gắn nhãn trong giao diện web (xem hình ảnh trên), việc kết hợp dữ liệu đa phương thức phải tính đến việc không tất cả các bài đăng đều chứa tất cả bốn loại dữ liệu có thể. Do đó, thuật toán có thể chịu đựng được chín trong số 16 điểm con trong bốn loại dữ liệu, sử dụng việc kết hợp và các tính năng kết hợp, nơi các yếu tố bị thiếu sẽ tương ứng với không trong tính toán.

NetworkX

Tập dữ liệu cuối cùng được sử dụng thông qua gói ngôn ngữ Python NetworkX được đề xuất vào năm 2008 bởi Phòng thí nghiệm Quốc gia Los Alamos tại New Mexico. NetworkX đã được sử dụng rộng rãi trong các hoạt động quy mô lớn, bao gồm cả đồ thị với hơn 10 triệu nút.

Bằng cách xử lý các hashtag trong tập dữ liệu như thể chúng đã được bao gồm trong một bài đăng, các nhà nghiên cứu đã có thể tạo ra một đồ thị không hướng liên quan đến ma túy để NetworkX phân tích.

Tập dữ liệu IDDIG đã được thử nghiệm trên nhiều giao thức, bao gồm Kết hợp dữ liệu đa phương thức, Kết hợp dữ liệu đa nguồn và Kết hợp dựa trên bốn yếu tố, và đạt được kết quả chính xác lên đến 95% về việc xác định các bài đăng và người dùng liên quan đến ma túy, so với các phương pháp xác định của con người.

Cũng có thể tạo ra các ‘biểu đồ ánh sáng mặt trời’ tiết lộ các chỉ số rộng lớn về sự phân bố địa lý của hoạt động liên quan đến ma túy trên Instagram, và các hướng nghiên cứu tương lai khác trong các dự án tương tự.