Выявление демаскирующих признаков социального бота на синтаксическом уровне генерируемого сообщения

Алина Олеговна Логинова; Дарья Викторовна Алейникова

doi:10.17308/sait/1995-5499/2023/1/139-147

Алина Олеговна Логинова Московский государственный лингвистический университет https://orcid.org/0000-0002-7806-0586
Дарья Викторовна Алейникова Московский государственный лингвистический университет https://orcid.org/0000-0001-5397-7999

DOI: https://doi.org/10.17308/sait/1995-5499/2023/1/139-147

Ключевые слова: информационно-психологическая безопасность, плохие боты, социальные боты, квантитативный анализ текстов, демаскирующие признаки бота, синтаксический анализ сообщения, интернет-средства массовой коммуникации

Аннотация

Цель настоящей работы заключается в выявлении демаскирующих признаков ботов по результатам анализа синтаксиса генерируемых ими сообщений. Актуальность исследования обусловлена тем, что, во-первых, результаты ежегодного анализа интернет-трафика говорят об отсутствии снижения доли трафика, создаваемого плохими ботами, а, во-вторых, деятельность высокоорганизованных плохих ботов представляет высокий уровень угрозы информационно-психологической безопасности граждан. В комплексе эти факторы в совокупности с высоким уровнем тревожности граждан, который отмечается экспертами социологами на протяжении последних нескольких месяцев, переводят угрозу информационно-психологической безопасности граждан в категорию вызовов для цифрового суверенитета государства. Методики обнаружения интернет-ботов, представленные в предшествующих работах, предполагают сбор и обработку большого объема данных, включающих метаданные профиля пользователя интернет-СМК, данные о времени и периоде публикации сообщений, данные анализа интернет-трафика пользователя интернет-СМК, и другое. Несмотря на достаточно высокие показатели результативности, указанные методики имеют общий недостаток: значительные затраты временного ресурса на сбор и обработку больших данных. Полученные результаты могут быть использованы в разработке качественно новой методики обнаружения интернет-бота по совокупности лингвистических характеристик генерируемых сообщений. Отличительной чертой методики будет являться сравнительно малый объем информации для выявления социального бота по результатам квантитативного анализа. В настоящей статье также продемонстрирован способ проверки электронных текстовых сообщений аккаунта на предмет авторства, таким образом, предположить с большой вероятностью является ли автор человеком или ботом.

Скачивания

Данные скачивания пока не доступны.

Биографии авторов

Алина Олеговна Логинова, Московский государственный лингвистический университет

аспирант кафедры международной информационной безопасности Института информационных наук ФГБОУ ВО МГЛУ, эксперт отдела научного менеджмента ФГБОУ ВО МГЛУ

Дарья Викторовна Алейникова, Московский государственный лингвистический университет

канд. пед. наук, доцент кафедры лингвистики и межкультурной коммуникации в области права Института международного права и правосудия ФГБОУ ВО МГЛУ

Литература

1. Mocanu D. (2015) Collective attention in the age of (mis) information. Computers in Human Behavior. 51(B), P. 1198–1204, doi:10.1016/j. chb.2015.01.024" target="_blank">DOI
2. Miheev E. A., Nestik T. A. (2018) Desinformation in social networks: current stste and perspective researchdirections. Social psychology and society. 9 (2). P. 5–20, DOI
3. Industry Report: Bad Bot Landscape GlobalDots. We Make IT Faster. (2019) Available from: URL
4. 2020 Imperva. Research Labs. REPORT, Bad Bot Report. (2020) URL
5. 2021 Imperva. Research Labs. / REPORT, Bad Bot Report. (2021) URL
6. 2022 Imperva Bad Bot Report. Evasive Bots Drive Online Fraud. (2022) URL
7. Loginova A. O. (2020) The analysis of existing approaches to bots classification and typology. Innovacionnye tekhnologii: teoriya, instrumenty, praktika. 1, P. 462–467. (in Russian)
8. Vasil’kova V. V., Legostaeva N. I. (2019) Social bots in political communication. RUDN Journal of Sociology. 19(1). P. 121–133. DOI
9. Cresci S. (2020) A decade of social bot detection. Communications of the ACM. 63(10). P. 72–83.
10. Loginova A. O. (2022) Approaches to detecting internet bots. Informaciya i bezopas-nost’. 25(2). P. 201–208. DOI
11. Dickerson J. P. (2014) Using sen-timent to detect bots on Twitter: Are humans more opinionated than bots? Advances in So-cial Networks Analysis and Mining (ASONAM). IEEE/ACM International Conference. P. 620–627.
12. Santia G. C., Mujib M. I., Wil-liams J. R. (2019) Detecting Social Bots on Facebook in an Information Veracity Context. Proceedings of the International AAAI Con-ference on Web and Social Media. 13(01). P. 463–472.
13. Loginova A. O. (2022) Detecting internet bot by a structural probabilistic model of its electronic message. The bulletin of Voronezh Institute of the Ministry of Internal Affairs of Russia. (3). P. 105–114. (in Russian)
14. Gorozhanov A. I., Gusejnova I. A. (2021) Prikladnye aspekty analiza i interpretacii tekstov (na materiale nemeckogo i russkogo yazykov): monografiya [Applied Aspects of Analysis and Interpretation of Texts (Based on German and Russian Languages): monograph]. Kazan, Buk. (in Russian)
15. Grachev G. V., Mel’nik I. K. (2013) Manipulirovanie lichnost’yu: Organizaciya, sposoby i tekh-nologii informacionno-psihologicheskogo vozdejstviya monografiya [personality manipulation: organization, methods and technologies of information and psychological influence]. Moscow, Kniga po trebovaniyu. (in Russian)
16. Osavelyuk E. A. (2019) Informacionnaya bezopasnost’ gosudarstva i obshchestva v kontekste deyatel’nosti SMI: Monografiya [Information security of the state and society in the context of media activity: monograph.]. St. Petersburg, Izdatel’stvo “Lan”.