反病毒提供商NortonLifeLock的研发部门NortonLifeLock Research Group今天发布了一款名为BotSight的浏览器扩展，旨在实时检测潜在的Twitter机器人。据其背后的团队称，BotSight旨在强调，僵尸工具和虚假信息活动出现在用户的订阅源中，因为与疫情相关的虚假信息的传播真的达到了狂热的程度。
BotSight可以作为Chrome、Brave、Firefox和Edge的扩展，可以直接在Twitter时间轴、搜索、个人资料、关注者和单条推文视图中添加每个Twitter句柄的机器人概率得分。除了对配置文件进行标注，该工具还会突出显示推文文本中提到的所有句柄，以及用户关注的推文、关注者、账号和描述。
该团队表示，重要的是，BotSight不会干扰或取代Twitter自身的反错误信息工作。包括推文标签和警告信息，其中包含关于当前情况的有争议或误导性的信息。
Powering BotSight是一个AI模型，可以高精度地检测Twitter机器人，获得研究数据集上0.967(模型质量的常用指标)的曲线下面积。(一个完美的AUC是1。)在预测中，它考虑了20多个因素，包括基于IP的关联(地理上密切相关的账户)、基于时间的关联(时间上密切相关的账户)、用户名和句柄(以及其他元数据)自动化的迹象、社交子图、内容相似性、Twitter验证状态、账户的关注者比率和账户描述。
根据NortonLifeLock的说法，僵尸程序通常在发布习惯上表现出规律性，而普通用户则没有这种习惯，通常都是短命的。他们也倾向于使用包含许多数字和随机字符的名称，他们会形成派系，并在其中发布相同的内容。
考虑到所有这些，BotSight团队在4TB的历史集合上训练了该模型。对数据集的审查显示，一般来说，大约5%的账户是僵尸工具，但根据抽样时间，在关于这个疫情的推文中，6%到18%的账户是僵尸工具。单个随机样本显示，约有4%至8%的bot活动以体量计，这表明bot对自身行为具有战略意义，有利于最大化当前事件的影响力。
该团队表示，在BotSight首次亮相之前，它花了六个月的时间在Twitter上滚动该工具，以测试、改进和验证该模型。到目前为止，BotSight用户已经分析了超过10万个推特账户。
BotSight团队在博客中写道：“我们对虚假信息的了解比以往任何时候都多，但我们对真实的虚假信息仍然知之甚少。”“[数字]因语言、主题和一天中的时间而异。这就是为什么在推特上看到它是如此有用。”
BotSight团队计划在不久的将来推出智能手机应用程序，该应用程序将与迄今为止发布的许多其他推特机器人识别工具一起使用。一些最受欢迎的网站包括印第安纳大学的社交媒体Botometer天文台；SparkToro的假追随者审计工具；Botcheck .我；还有机器人哨兵。
标签：