Key points are not available for this paper at this time.
Les sites Web de microblogging, tels que Twitter et Sina Weibo, sont devenus des plateformes populaires pour socialiser et partager des informations ces dernières années. Les spammeurs ont également découvert cette nouvelle opportunité de surcharger injustement les utilisateurs normaux avec du contenu non sollicité, à savoir des spams sociaux. Bien qu'il soit intuitif pour tout le monde de suivre des utilisateurs légitimes, des études récentes montrent que les utilisateurs légitimes et les spammeurs suivent les spammeurs pour des raisons différentes. Des preuves d'utilisateurs cherchant délibérément des spammeurs sont également observées. Nous considérons ce comportement comme une information utile pour la détection de spammeurs. Dans cet article, nous abordons le problème de la détection des spammeurs en nous appuyant sur la "prudence" des utilisateurs, qui indique à quel point un utilisateur est prudent lorsqu'il est sur le point de suivre un spammeur potentiel. Nous proposons un cadre pour mesurer la prudence et développer un algorithme d'apprentissage supervisé pour l'estimer sur la base de spammeurs connus et d'utilisateurs légitimes. Nous illustrons comment la robustesse des algorithmes de détection peut être améliorée grâce à la mesure proposée. Des évaluations sur deux ensembles de données réelles de Sina Weibo et Twitter avec des millions d'utilisateurs ont été réalisées, ainsi qu'un test en ligne sur Sina Weibo. Les résultats montrent que notre approche capture effectivement la prudence, et qu'elle est efficace pour détecter les spammeurs. De plus, nous constatons que notre mesure est également bénéfique pour d'autres applications, telles que la prédiction de liens.
Fu et al. (Ven,) ont étudié cette question.