基于机器学习和 Apache Kafka 的 Twitter 社交机器人实时检测

社交媒体网络（如 Facebook 和 Twitter）正日益成为大多数人生活的重要组成部分。Twitter 为分享内容、想法、观点以及推广产品和竞选活动提供了一个有用的平台。由于受欢迎程度的提高，它容易受到社交机器人引发的恶意攻击。社交机器人是出于不同目的创建的自动化账户。它们参与传播谣言和虚假信息、网络欺凌、发送垃圾邮件以及操纵社交网络生态系统。大多数社交机器人检测方法在训练和测试中均依赖离线数据的使用。在本文中，我们使用大数据分析工具 Apache Kafka 实时从 Twitter API 获取流式数据。我们使用个人资料信息（元数据）作为特征。应用机器学习技术来预测传入数据的类型（人类或机器人）。此外，本文还介绍了如何配置这些不同工具的技术细节。