fBox를 활용한 의심스러운 링크 행동 탐지: 적대적 관점

대규모 온라인 네트워크에서 의심스러운 사용자를 어떻게 탐지할 수 있을까요? 사용자가나 제품의 온라인 인기도(팔로우, 페이지 좋아요 등을 통해)는 더 높은 광고 클릭률이나 증가한 판매를 전제로 수익화될 수 있습니다. 따라서 인기도를 유도하는 웹 서비스와 소셜 네트워크는 빠른 이익을 추구하는 링크 사기꾼들로부터의 가짜 연결이라는 주요 문제에 직면합니다. 의심스러운 행동을 포착하는 일반적인 방법은 스펙트럼 기술을 사용하여 종종 명백하게 사기성이 있는(그러나 때때로 정직한) 사용자들의 대규모 그룹을 찾습니다. 그러나 소규모의 은밀한 공격은 실제로 사용되는 저순위 고유 분석의 특성으로 인해 눈에 띄지 않을 수 있습니다. 이 연구에서는 현대의 최첨단 스펙트럼 방식의 약점에 대한 주장들을 찾고 증명하기 위해 적대적 접근 방식을 취하고, 레이더 아래로 미끄러지는 소규모 stealth 공격을 포착하도록 설계된 알고리즘 fBox를 제안합니다. 우리의 알고리즘은 다음과 같은 바람직한 특성을 가지고 있습니다: (a) 이론적 기초가 있습니다, (b) 실제 데이터에서 높은 효과가 있음을 보여줍니다, (c) 확장 가능성(입력 크기에 선형적입니다)을 가지고 있습니다. 우리는 2010년 Twitter의 4,170만 노드, 15억 엣지의 공개적인 누가 누구를 팔로우하는 소셜 그래프에서 fBox를 평가하고, 현재까지 정지 없이 지속되고 있는 많은 의심스러운 계정을 높은 정밀도로 식별합니다.