211service.com
Datamining heeft voorheen onbekende Russische Twitter-trollcampagnes onthuld
Afbeelding van de telefoon op de inlogpagina van Twitter freestocks.org
Menselijke activiteit laat allerlei sporen na, sommige duidelijker dan andere. Berichten die op diensten als Twitter worden geplaatst, zijn bijvoorbeeld duidelijk zichtbaar. Maar het patroon van tweets van een gebruiker in de loop van de tijd is niet zo vanzelfsprekend.
Verschillende onderzoekers zijn begonnen met het bestuderen van deze patronen en hebben ontdekt dat ze bepaalde soorten accounts kunnen identificeren, met name die met een hoog volume. Het is bijvoorbeeld onwaarschijnlijk dat accounts die 24 uur per dag continu berichten plaatsen, niet door mensen worden beheerd. In plaats daarvan is dit een duidelijk signaal dat er een soort bot aan het werk is.
Mensen genereren ook specifieke patronen, zij het minder duidelijk dan bots. Vooral accounts die grote hoeveelheden tweets plaatsen, doen dit vaak in een patroon dat door de unieke forensische analyse kan worden geïdentificeerd.
Een corpus van interessante tweets omvat de berichten die zijn gepost door Russische trollen die proberen de Amerikaanse presidentsverkiezingen van 2016 te beïnvloeden. Nu hebben onderzoekers deze geanalyseerd om te zoeken naar unieke vingerafdrukken die ze zouden kunnen bevatten. Het idee is om deze vingerafdrukken te gebruiken om andere desinformatiecampagnes te identificeren van dezelfde trollen die onopgemerkt zijn gebleven. Maar is dit mogelijk?
Vandaag krijgen we een antwoord dankzij het werk van Christopher Griffin en Brady Bickel aan de Pennsylvania State University. De forensische analyse van deze jongens heeft een unieke handtekening in deze tweets geïdentificeerd en gebruikt om bewijs te vinden van andere desinformatiecampagnes. We identificeren een operatie die niet alleen de Amerikaanse verkiezingen van 2016 omvat, maar ook de Franse nationale en zowel lokale als nationale Duitse verkiezingen, zeggen Griffin en Bickel.
Unieke gedragsvingerafdrukken zijn moeilijk te identificeren vanwege de enorme hoeveelheid gegevens op Twitter. Een groot aantal menselijke gebruikers heeft vergelijkbare gedragskenmerken en kan daarom niet gemakkelijk worden onderscheiden. De gedragssignatuur wordt echter onderscheidender naarmate het volume aan berichten toeneemt.
Daarom zijn de Russische trollen op deze manier herkenbaar. Griffin en Bickel hebben een database gedownload van 200.000 Russische troll-tweets verzameld door Twitter en verkregen door NBC News. Vervolgens analyseerden ze de tweets van de meest productieve gebruikers - degenen die tijdens de verkiezingsperiode meer dan 500 keer hebben gepost.
De onderzoekers onderzochten hoe deze gebruikers in de loop van de tijd tweeten en hoe ze verschilden van andere Twitter-gebruikers. Ze zochten ook naar communities in de database en maakten vervolgens woordwolken van hun tweets met de meest gebruikte woorden.
Dit zorgde voor een verrassing. De analyse onthulde zeven gemeenschappen die elk verschillende woordwolken gebruiken. Vier van deze gemeenschappen waren duidelijk gericht op onderwerpen als de Amerikaanse Tea Party-beweging en Afro-Amerikanen.
Maar twee van deze woordwolken bestonden volledig uit woorden in het Russisch en Duits. Griffin en Bickel analyseerden deze verder om aan te tonen dat de timing van de tweets piekte in de aanloop naar de Duitse nationale verkiezingen in 2017 en de lokale verkiezingen in Berlijn in 2016. De Berlijnse deelstaatverkiezingen waren belangrijk omdat de partij van bondskanselier Merkel met rechts werd verslagen. vleugelpopulisten, zeggen de onderzoekers.
Het team vond ook een vergelijkbare piek in activiteit in de aanloop naar de Franse nationale verkiezingen in 2017, hoewel dit slechts 588 berichten betrof. Dat is te klein voor een gedetailleerde analyse, maar Griffin en Bickel speculeren dat het wijst op het bestaan van een andere groep trollen, nog niet geïdentificeerd, die zich op Frankrijk richtte.
Dat is interessant werk dat suggereert dat de Russische trollenactiviteit op internationale schaal aanzienlijk ambitieuzer was dan eerder werd gedacht. Het suggereert ook een manier om dit soort bemoeienis te herkennen terwijl het gebeurt door te zoeken naar het soort forensische vingerafdruk dat het team heeft geïdentificeerd.
Trollen vinden is natuurlijk een kat-en-muisspel. Voor de organisaties die verantwoordelijk zijn voor de Russische trollenactiviteit, zou het een eenvoudige zaak moeten zijn om het activiteitenpatroon te veranderen op een manier die niet dezelfde handtekening creëert.
En toch, als deze kwaadaardige activiteit significant en effectief wil zijn, zal deze onvermijdelijk op relatief grote schaal plaatsvinden en dus een andere handtekening genereren. De vraag is hoe je het op tijd kunt herkennen om actie te ondernemen. En zo gaat het spel verder.
Referentie: arxiv.org/abs/1810.01466 : Machine learning zonder toezicht van open source Russische Twitter-gegevens onthult wereldwijde reikwijdte en operationele kenmerken