АНАЛІЗ МЕТОДІВ ВИЯВЛЕННЯ ДЕЗІНФОРМАЦІЇ В СОЦІАЛЬНИХ МЕРЕЖАХ ЗА ДОПОМОГОЮ МАШИННОГО НАВЧАННЯ

Автор(и)

DOI:

https://doi.org/10.28925/2663-4023.2023.22.148155

Ключові слова:

соціальна мережа; дезінформація; неправдива інформація; фейкові новини; машинне навчання

Анотація

Соціальні мережі вже давно стали невід’ємною частиною життя сучасного суспільства. Наприклад, в Україні понад 60% населення регулярно використовують їхній функціонал. Для деяких людей сторінки в тій чи іншій соцмережі набули комерційного значення та стали інструментом отримання прибутку. Є й непоодинокі випадки купівлі-продажу акаунтів або порушення авторських прав за допомогою них. Проте наразі в соціальних мережах набирає обертів поширення неточної інформації, спрямованої на введення в оману та завдання серйозної шкоди. Такий процес визначений як «дезінформація». Окрім дезінформації також розрізняють термін «неправдива інформація». Ці терміни не є синонімами, тому їх слід розрізняти для достовірності дослідження. Неправдивою є інформація, що несе неточні дані, які виникли внаслідок помилок, проте цей термін не містить в собі наміру навмисного введення в оману. У свою чергу, термін «дезінформація» навпаки — створений з метою навмисного поширення неправдивої інформації з метою введення в оману інших. В останні роки тема дезінформації, а також її наслідки привернули велику увагу. Незважаючи на те, що дезінформація не є новим явищем, технологічний прогрес створив ідеальну атмосферу для її швидкого поширення. Такі соціальні мережі, як Facebook, Twitter і YouTube, створюють сприятливий ґрунт для створення та поширення дезінформації та неправдивої інформації. Через це постає важливість дослідження, як працюють соціальні медіа, як створюються та поширюються фейкові новини через соціальні медіа та яку роль відіграють користувачі. Дослідження розглядає соціальні мережі як платформу для поширення дезінформації. Розгляд проблеми взаємодії користувачів із новинами в соціальних мережах доповнює проблематику фейкових новин, розглядаючи проблему взаємодії користувачів із новинами та співпраці в епоху інформації.

Для достовірності дослідження, було розглянуто поняття дезінформації та неправдивої інформації. Наведено вичерпний огляд існуючих підходів до виявлення фейкових новин з точки зору машинного навчання. Алгоритми класифікації на основі машинного навчання відіграють дуже важливу роль у виявленні фейкових новин або чуток у соціальних мережах, що є дуже складним і важким процесом через різноманітні політичні, соціально-економічні та багато інших пов'язаних факторів. У цьому огляді розглядаються різні підходи до машинного навчання, такі як обробка природної мови (NLP), лінійна регресія, метод k-найближчих сусідів (KNN), метод опорних векторів (SVM), довга короткочасна пам'ять (LSTM), штучні нейронні мережі та багато інших.

Завантаження

Дані завантаження ще не доступні.

Посилання

Prokopenko, V. (2021). Legal nature of pages in social networks. Legal newspaper - online version. https://yur-gazeta.com/publications/practice/zahist-intelektualnoyi-vlasnosti-avtorske-pravo/pravova-priroda-storinok-u-socialnih-merezhah.html

Aldwairi, M., Alwahedi, A. (2018). Detecting Fake News in Social Media Networks. Procedia Computer Science, 141, 215–222. https://doi.org/10.1016/j.procs.2018.10.171

Stephen, A. (2016). The role of digital and social media marketing in consumer behavior. Current Opinion in Psychology, 10, 17–21. https://doi.org/10.1016/j.copsyc.2015.10.016

Brennen, B. (2017). Making sense of lies, deceptive propaganda, and fake news. Journal of Media Ethics, 32(3), 179–181.

Jain, A., et al. (2019). A smart System for Fake News Detection Using Machine Learning. 2019 International Conference on Issues and Challenges in Intelligent Computing Techniques (ICICT), 1.

Yang, S., et al. (2019). Unsupervised fake news detection on social media: A generative approach. AAAI Conference on Artificial Intelligence, 33. https://doi.org/10.1609/aaai.v33i01.33015644

Shu, K., et al. (2017). Fake news detection on social media: A data mining perspective. ACM SIGKDD explorations newsletter, 19(1), 22–36. https://doi.org/10.1145/3137597.3137600

O'Brien, N. (2018). Machine learning for detection of fake news. Diss. Massachusetts Institute of Technology. https://dspace.mit.edu/handle/1721.1/119727

Aphiwongsophon, S., & Chongstitvatana, P. (2018). Detecting fake news with machine learning methods. 2018 15th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications & Information Technology (ECTI-CON). https://ieeexplore.ieee.org/document/8620051

Abdullah-All-Tanvir, et al. (2019). Detecting Fake News using Machine Learning and Deep Learning Algorithms. 2019 7th International Conference on Smart Computing and Communications (ICSCC). https://ieeexplore.ieee.org/document/8843612

Reis, J., et al. (2019). Supervised learning for fake news detection. IEEE Intelligent Systems, 34(2), 76–81. https://ieeexplore.ieee.org/document/8709925

Sukailo, I., & Korshun, N. (2022). The influence of NLU and generative AI on the development of cyber defense systems. Cyber security: education, science, technology, 2(18), 187–196.

Downloads


Переглядів анотації: 198

Опубліковано

2023-12-28

Як цитувати

Марценюк , М., Козачок, В., Богданов, О., & Бржевська , З. (2023). АНАЛІЗ МЕТОДІВ ВИЯВЛЕННЯ ДЕЗІНФОРМАЦІЇ В СОЦІАЛЬНИХ МЕРЕЖАХ ЗА ДОПОМОГОЮ МАШИННОГО НАВЧАННЯ. Електронне фахове наукове видання «Кібербезпека: освіта, наука, техніка», 2(22), 148–155. https://doi.org/10.28925/2663-4023.2023.22.148155