恶意行为者通常得到国家资助的信息行动(IO)的支持，在重大地缘政治事件期间采用标签劫持、人为放大误导性内容以及大规模转发宣传等策略来影响公众舆论。对抗这些IO至关重要，南加州大学(USC)和麻省理工学院(MIT)的研究人员正在开发创新解决方案来解决这一紧迫问题。

揭露社交媒体上协调一致的影响力活动

南加州大学信息科学研究所(ISI)研究员卢卡·卢塞里(LucaLuceri)与他人共同领导了一项由国防高级研究计划局(DARPA)资助的项目，旨在识别和描述社交媒体上的影响力活动。Luceri和他的团队在他最近的论文《揭露欺骗网络：揭露Twitter上的信息操作的协调活动》中提出了一套无监督和监督机器学习模型，可以检测X平台上来自不同国家的精心策划的影响​​力活动(以前称为推特)。

通过检查来自六个国家的经过验证的活动的4900万条推文的综合数据集，研究人员确定了IO驱动程序参与的五种关键共享行为：共同转发、共同URL共享、主题标签序列、快速转发和文本相似性。该团队构建了一个名为“融合网络”的统一相似性网络，该网络捕获更广泛的协调共享行为，并应用机器学习算法对这些帐户的相似性进行分类并预测它们未来对IO的参与。

使用户能够评估错误信息

虽然Luceri的工作重点是影响力活动的平台级检测，但麻省理工学院教授DavidKarger和他的前学生FarnazJahanbakhshSM'21、PhD'23提出了一种去中心化方法，使个人用户能够标记错误信息并识别他们信任的其他人来评估在线内容。他们的解决方案Trustnet浏览器扩展与平台无关，适用于任何网站上的任何内容，包括社交媒体网站上的帖子、新闻聚合器上的文章以及流媒体平台上的视频。

Trustnet扩展允许用户评估内容的准确性并指定他们想要查看其评估的可信用户。该扩展程序会自动检查用户正在阅读的页面上的所有链接，并将指示器放置在已由可信来源评估的链接旁边，将链接文本淡入被认为不准确的内容。

研究人员进行的一项为期两周的研究发现，未经培训的个人可以使用该工具有效地评估错误信息，参与者报告说，有能力评估内容并查看他们信任的其他人的评估有助于他们批判性地思考它。

随着研究人员不断开发创新解决方案来打击在线错误信息，影响力活动的平台级检测和TrustnetExtension等用户授权工具将在保护用户免受大量虚假内容侵害方面发挥至关重要的作用。通过结合南加州大学和麻省理工学院等机构研究人员的努力，我们可以努力打造一个可信信息盛行的未来，让用户能够更好地驾驭复杂的数字环境。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：