Cómo los socialbots avanzados se han infiltrado en Twitter

Si tiene una cuenta de Twitter, lo más probable es que tenga menos de 50 seguidores y que usted mismo siga a menos de 50 personas. Probablemente conozca bien a muchas de estas personas, pero también puede haber algunas en su lista que nunca haya conocido.

Entonces, aquí hay una pregunta interesante: ¿cómo sabe que estos usuarios de Twitter son personas reales y no cuentas automatizadas, conocidas como bots, que le brindan enlaces y mensajes diseñados para influir en sus opiniones?

Se podría decir que los bots no son muy sofisticados y tan fáciles de detectar. Y que Twitter monitorea la Twittersphere buscando y eliminando cualquier cuenta automatizada que encuentre. En consecuencia, es poco probable que, sin saberlo, esté siguiendo alguna cuenta automatizada, ya sea malintencionada o no.

Si tiene esa opinión, es posible que desee revisar siguiendo el trabajo de Carlos Freitas en la Universidad Federal de Minas Gerais en Brasil y algunos amigos, que han estudiado lo fácil que es para los socialbots infiltrarse en Twitter.

Sus hallazgos sorprenderán. Dicen que una proporción significativa de los socialbots que han creado no solo se infiltraron en grupos sociales en Twitter, sino que también se volvieron influyentes entre ellos. Además, Freitas y compañía han identificado las características que hacen que los socialbots tengan más probabilidades de tener éxito.

Estos chicos comenzaron creando 120 socialbots y soltándolos en Twitter. A los bots se les dio un perfil, se hizo masculino o femenino y se les dio algunos seguidores para comenzar, algunos de los cuales eran otros bots.

Los bots generan tweets ya sea volviendo a publicar mensajes que otros han publicado o creando sus propios tweets sintéticos usando un conjunto de reglas para seleccionar palabras comunes sobre un tema determinado y juntarlas en una oración.

A los bots también se les asignó un nivel de actividad. La actividad alta equivale a publicar al menos una vez por hora y la actividad baja equivale a hacerlo una vez cada dos horas (aunque ambos grupos son bastante activos en comparación con la mayoría de los humanos). Los bots también durmieron entre las 10 p.m. y las 9 a.m., hora del Pacífico, para simular el tiempo de inactividad de los usuarios humanos.

Finalmente, se establecieron para seguir a uno de los tres grupos diferentes de humanos. El primero consistió en 200 personas seleccionadas al azar de la transmisión de Twitter, el segundo fue 200 personas que publican tweets regularmente sobre un tema específico en este caso desarrollo de software, y el grupo final consistió en 200 desarrolladores de software que estaban todos conectados socialmente entre sí en Gorjeo.

Habiendo dejado sueltos a los socialbots, la primera pregunta que Freitas y compañía querían responder era si sus cargos podrían evadir las defensas establecidas por Twitter para evitar la publicación automática. Durante los 30 días durante los cuales se llevó a cabo el experimento, 38 de los 120 socialbots fueron suspendidos, dicen. En otras palabras, el 69 por ciento de los bots sociales escaparon a la detección.

Sin embargo, la pregunta más interesante era si los robots sociales pueden infiltrarse con éxito en los grupos sociales para los que fueron creados. Y en ese aspecto los resultados son sorprendentes. Durante la duración del experimento, los 120 socialbots recibieron un total de 4.999 seguimientos de 1.952 usuarios diferentes. Y más del 20 por ciento de ellos obtuvo más de 100 seguidores, que es más seguidores que el 46 por ciento de los humanos en Twitter.

Freitas y compañía también monitorearon la puntuación Klout de cada uno de sus bots sociales para ver cómo les iba. (Klout es un servicio en línea que mide la influencia de las cuentas de Twitter, otorgándoles una puntuación entre 0 y 100). Encontramos que los socialbots lograron puntajes Klout del mismo orden (o, en ocasiones, incluso más altos que) varios académicos e investigadores de redes sociales reconocidos, dicen.

El equipo también separó los datos para averiguar qué factores contribuyeron al éxito de los bots. Como era de esperar, el nivel de actividad es importante y los bots más activos lograron una mayor popularidad en sus redes sociales. Eso es de esperar, ya que es más probable que otros vean los bots más activos (aunque también es más probable que los detecten los mecanismos de defensa de Twitter).

Más sorprendentemente, los socialbots que generaron tweets sintéticos (en lugar de solo volver a publicar) también obtuvieron mejores resultados. Eso sugiere que los usuarios de Twitter no pueden distinguir entre publicaciones generadas por humanos y por bots. Esto posiblemente se deba a que una gran parte de los tweets en Twitter están escritos en un estilo informal y gramaticalmente incoherente, de modo que incluso modelos estadísticos simples pueden producir tweets con una calidad similar a los publicados por humanos en Twitter, sugieren Freitas y compañía.

Los grupos para los que se crearon los socialbots también tuvieron un efecto importante. El grupo de desarrolladores de software conectados socialmente produjo la menor cantidad de seguidores, mientras que el grupo de desarrolladores de software elegidos al azar generó el mayor número de ellos.

El género también jugó un papel. Si bien los bots masculinos y femeninos fueron igualmente efectivos cuando se consideran en general, los bots sociales femeninos fueron mucho más efectivos para generar seguidores entre el grupo de desarrolladores de software conectados socialmente. Esto sugiere que el género de los socialbots puede marcar la diferencia si los usuarios objetivo tienen un sesgo de género, dicen Freitas y sus amigos.

Es un trabajo interesante. Sugiere que Twittersphere puede ser más vulnerable a los ataques automatizados de lo que se pensaba anteriormente.

Es un hallazgo que puede tener implicaciones importantes para ciertos tipos de grupos en Twitter. En los últimos años han surgido una serie de servicios para medir el interés y la opinión entre los usuarios de Twitter sobre una amplia variedad de temas, como la intención de voto, el sentimiento del producto, los brotes de enfermedades, los desastres naturales, etc.

La preocupación es que los bots automatizados podrían diseñarse para influir significativamente en la opinión en una o más de estas áreas. Por ejemplo, sería relativamente sencillo crear un bot que difunda rumores falsos sobre un candidato político de una manera que pueda influir en una elección.

Así que el trabajo de Freitas y compañía es una llamada de atención para Twitter. Si quiere prevenir con éxito este tipo de ataques, deberá mejorar significativamente sus mecanismos de defensa. Y dado que este trabajo revela qué hace que los bots tengan éxito, el equipo de investigación de Twitter tiene una ventaja.

El truco consistirá en detectar bots sociales y excluirlos sin excluir por error a los usuarios humanos en el proceso. No será una tarea fácil.

Pero con un estimado de 20 millones de cuentas falsas de Twitter ya configuradas, los investigadores de Twitter tienen muchos datos con los que trabajar.

Ref: arxiv.org/abs/1405.4927 : Estrategias de infiltración de Socialbot de ingeniería inversa en Twitter

esconder