实证评估与应对不断演变的Twitter垃圾邮件者的新设计

迄今为止，作为最受欢迎的在线社交网络之一，Twitter正在付出代价，因为越来越多的垃圾邮件者将目标瞄向这个微博客网站。Twitter垃圾邮件者可以实现他们的恶意目标，例如发送垃圾邮件、传播恶意软件、托管僵尸网络指挥和控制（C&C）频道，以及发起其他地下非法活动。由于发现和暂停这些垃圾邮件帐户的重要性和不可或缺性，许多研究人员和Twitter Inc.的工程师致力于让Twitter成为无垃圾邮件的在线社区。现有的大多数研究利用机器学习技术来检测Twitter垃圾邮件者。“祭司爬上邮筒，魔鬼爬上十个。”Twitter垃圾邮件者正在进化，以规避现有的检测特征。在本文中，我们首先对Twitter垃圾邮件者使用的规避策略进行了全面的实证分析。我们进一步设计了几种新的检测特征，以检测更多的Twitter垃圾邮件者。此外， 为了深入了解使用机器学习特征检测垃圾邮件者的有效性及难点，我们分析了文献中常用的24个检测特征及我们提出的特征的稳健性。通过我们的实验，我们表明，我们的新设计特征在检测（甚至是规避的）Twitter垃圾邮件者方面更加有效。根据我们的评估，在保持更低假阳性率的同时，使用我们的新特征集的检测率也显著高于现有工作。尽我们所知，这项工作是第一项实证研究和评估Twitter垃圾邮件者使用的规避策略效果的研究，是该研究领域的一个宝贵补充。