AAAIJul, 2014

陌生人时人们变得奇怪：机器人对社交网络的影响和影响力

PDF
TL;DR通过在线社交实验，发现没有信任、档案和复制用户行为目标的机器人可通过基本的社交探测活动在社交媒体上获得社交相关性，进而有效地引导用户的社交连接选择，并揭示了隐蔽的社交极化模式和用户感知的微妙隐私风险。
botssocial mediaonline experimentsocial relevancesocial polarization
发现论文，激发创造
  • Twitter 中社交机器人的增长、内容和影响力分析

    本文研究了一种特定的 Twitter 社交机器人网络，分析了其增长、内容和行为，以及该机器人网络对相关讨论的影响。通过对约 3000 条推文进行定性编码分析，发现该机器人网络的增长、行为和内容并不符合通常机器人网络的概念，并识别了与普通用户不同的有趣方面。

    Apr, 2016

  • 利用在线用户画像检测 Twitter 上的社交机器人

    通过机器学习模型，利用推文文本中提取的用户资料来检测社交机器人（social bots）的研究，其主要贡献为提出一种利用个人信息相似性来区分社交机器人和人类用户的新模型，并创建了一个包含 6900 个 Twitter 账户资料的公共数据集。

    Mar, 2022

  • 社交机器人的兴起

    探讨社交机器人的现代特征和存在对在线生态和社会的危害性，以及对于在 Twitter 上检测社交机器人的现有努力以及这些机器人行为的特征，如内容、网络、情绪和时间模式与真实人类行为的区别。

    Jul, 2014

  • 社交机器人梦到电子羊了吗？社交媒体机器人账户分类

    该研究通过对社交媒体上机器人账号的系统评估，提出了一个通过两个维度（模仿人类行为和目的）对它们进行分类的方案，从而更好地了解社交机器人的不同于其他类型机器人的特征。

    Oct, 2017

  • 在线人机交互：检测、估计和描述

    本文提出了一个基于超过一千个公共数据和元数据特征的框架，用于检测 Twitter 上的社交媒体自主实体（即社交媒体机器人）。经测试，此框架能够与公开的 Twitter 机器人数据集高度契合，可以检测不同类型的机器人，如垃圾邮件发送者、自我推广者和使用连接应用程序发布内容的账户等，并且估计在活跃的 Twitter 账户中有 9% 至 15% 的机器人，机器人相互之间的交互关系有助于研究用于相互之间通信的转发和提到策略。

    Mar, 2017

  • 社交机器人网络的崛起：攻击与对策

    本研究通过 Twitter 上的真实实验和追踪模拟，展示了利用社会机器人网络进行垃圾邮件分发和数字影响操作的有效性和优势，并提出了相应的对策并评估其有效性，以帮助理解社会机器人网络的潜在危害以及帮助在线社交网络改进其机器人（网络）检测系统。

    Mar, 2016

  • 从网络行为到图像：一种新的社交机器人检测方法

    本论文从 Twitter 账号出发，提出了使用卷积神经网络的新型算法，将账号执行的操作序列转化为图片，并进行图像分类，从而进行 bot 检测。结果证实了该方法的有效性，因为它与现有技术处在同一水平，并在某些情况下更好。

    Apr, 2023

  • 利用人工智能武装公众以对抗社交机器人

    社交媒体中出现了越来越多的机器人欺诈行为，研究者们开发了不同类型的人工智能工具，以帮助公众对抗这些欺诈行为，其中包括 Botometer 等常用的机器人检测工具。本文综述了机器人的不同类型、它们的影响以及检测方法，并通过对 Botometer 的案例研究，详细讨论了 AI 检测工具在人们中的使用，同时谈到了在机器学习方法和反机器人攻击之间的必要性和影响。

    Jan, 2019

  • BotOrNot：一个评估社交机器人的系统

    BotOrNot 是一个公开的服务，它利用一千多个特征来评估 Twitter 帐户与社交机器人已知特征的相似度。自 2014 年 5 月发布以来，BotOrNot 已经通过网站和 API 处理了超过一百万个请求。

    Feb, 2016

  • 对抗性引流机器人检测的对抗性分析

    社交机器人在在线社交网络中扮演重要角色，最近生成式人工智能（GenAI）的进展使得社交机器人能够产生高度逼真且复杂的内容，模仿人类创造力。为了识别这些虚假内容并区分其生成者，对该问题的多种方法已经被提出，但这些解决方案的广泛评估尚未进行。为了解决这个问题，我们评估了一个基于文本的机器人检测器在一个有竞争环境下的行为，对不同类别的社交机器人进行了全面的评估，并展示了一些可以用于未来工作的成果。

    May, 2024