211service.com
Data mining har avslørt tidligere ukjente russiske Twitter-trollkampanjer
Bilde av telefonen på twitter-påloggingssiden freestocks.org
Menneskelig aktivitet setter alle slags spor, noen mer tydelige enn andre. For eksempel er meldinger lagt ut til tjenester som Twitter åpenbart synlige. Men mønsteret av tweets fra en bruker over tid er ikke like selvsagt.
Ulike forskere har begynt å studere disse mønstrene og funnet ut at de kan identifisere visse typer kontoer, spesielt de som publiserer i høyt volum. For eksempel er det usannsynlig at kontoer som publiserer kontinuerlig, 24 timer i døgnet, blir drevet av mennesker. I stedet er dette et tydelig signal om at en robot av noe slag er på jobb.
Mennesker genererer også spesifikke mønstre, om enn mindre åpenbare enn roboter. Spesielt kontoer som legger ut store mengder tweets, gjør det ofte i et mønster hvis unike signatur rettsmedisinske analyser kan identifisere.
Et korpus av interessante tweets omfatter meldingene postet av russiske troll som forsøker å påvirke det amerikanske presidentvalget i 2016. Nå har forskere analysert disse for å søke etter unike fingeravtrykk de kan inneholde. Tanken er å bruke disse fingeravtrykkene til å identifisere andre desinformasjonskampanjer av de samme trollene som har gått ubemerket hen. Men er dette mulig?
I dag får vi svar takket være arbeidet til Christopher Griffin og Brady Bickel ved Pennsylvania State University. Disse guttas rettsmedisinske analyse har identifisert en unik signatur i disse tweetene og brukt den til å finne bevis på andre desinformasjonskampanjer. Vi identifiserer en operasjon som ikke bare inkluderer det amerikanske valget i 2016, men også det franske nasjonale og både lokale og nasjonale tyske valget, sier Griffin og Bickel.
Unike atferdsmessige fingeravtrykk er vanskelig å identifisere på grunn av det store datavolumet på Twitter. Et stort antall menneskelige brukere deler lignende atferdsegenskaper og kan derfor ikke lett skilles fra hverandre. Imidlertid blir atferdssignaturen mer karakteristisk ettersom volumet av meldinger øker.
Det er derfor de russiske trollene er identifiserbare på denne måten. Griffin og Bickel lastet ned en database med 200 000 russiske troll-tweets samlet av Twitter og innhentet av NBC News. De analyserte deretter tweetene fra de mest produktive brukerne – de som postet mer enn 500 ganger i løpet av valgperioden.
Forskerne undersøkte hvordan disse brukerne tvitret over tid og hvordan de skilte seg fra andre Twitter-brukere. De så også etter fellesskap i databasen og laget deretter ordskyer av tweetene deres som viser de mest brukte ordene.
Dette skapte en overraskelse. Analysen avdekket syv samfunn som hver bruker forskjellige ordskyer. Fire av disse samfunnene var tydelig fokusert på temaer som den amerikanske Tea Party-bevegelsen og afroamerikanere.
Men to av disse ordskyene besto utelukkende av ord på russisk og tysk. Griffin og Bickel analyserte disse videre for å vise at tidspunktet for tweetene økte i oppkjøringen til det tyske nasjonale valget i 2017 og det lokale Berlin-valget i 2016. Delstatsvalget i Berlin var betydelig fordi forbundskansler Merkels parti ble slått av høyre- fløypopulister, sier forskerne.
Teamet fant også en lignende økning i aktivitet i oppbyggingen til det franske nasjonale valget i 2017, selv om dette bare involverte 588 meldinger. Det er for lite for detaljert analyse, men Griffin og Bickel spekulerer i at det peker på eksistensen av en annen gruppe troll, som ennå ikke er identifisert, som målrettet Frankrike.
Det er interessant arbeid som tyder på at russisk trollaktivitet var betydelig mer ambisiøs i internasjonal målestokk enn tidligere antatt. Det foreslår også en måte å oppdage denne typen innblanding mens den skjer ved å se etter hva slags rettsmedisinske fingeravtrykk teamet identifiserte.
Å finne troll er selvfølgelig et katt-og-mus-spill. For organisasjonene med ansvar for russisk trollvirksomhet burde det være en grei sak å endre aktivitetsmønsteret på en måte som ikke skaper samme signatur.
Og likevel, hvis denne ondsinnede aktiviteten skal være betydelig og effektiv, vil den uunngåelig finne sted i relativt stor skala og dermed generere en annen signatur. Spørsmålet er hvordan man oppdager det i tide til å iverksette tiltak. Og slik fortsetter spillet.
Ref: arxiv.org/abs/1810.01466 : Uovervåket maskinlæring av russiske Twitter-data med åpen kildekode avslører globalt omfang og operasjonelle egenskaper