Investigadores encubiertos exponen al ejército chino de agua de Internet

En China, los carteles pagados se conocen como Internet Water Army porque están listos y dispuestos a 'inundar' Internet para quien esté dispuesto a pagar. La inundación puede consistir en comentarios, chismes e información (o desinformación) y parece haber mucha demanda de los servicios de este ejército. Esta es una marea insidiosa. Las recomendaciones positivas pueden marcar una gran diferencia en las ventas de un producto, pero también pueden sacar a un competidor del mercado. Cuando las empresas gastan millones en el lanzamiento de nuevos bienes y servicios, es fácil comprender por qué es posible que deseen utilizar todas las herramientas a su disposición para lograr el éxito. El perdedor de todo esto es el consumidor al que se engaña para que tome una decisión de compra basada en premisas falsas. Y por el momento, los consumidores tienen pocas reparaciones legales o incluso formas de detectar la práctica. Hoy, Cheng Chen de la Universidad de Victoria en Canadá y algunos amigos describen cómo Cheng trabajó encubierto como un afiche pagado en sitios web chinos para comprender cómo funciona Internet Water Army. Luego, él y sus amigos usaron lo que aprendió para crear un software que puede detectar carteles pagados automáticamente. La publicación pagada es una actividad bien administrada que involucra a miles de personas y decenas de miles de identificaciones en línea diferentes. A los carteles se les suele dar la tarea de registrarse en un sitio web y luego comenzar a generar contenido en forma de publicaciones, artículos, enlaces a sitios web y videos, incluso realizando sesiones de preguntas y respuestas. A menudo, este contenido se prepara previamente o los carteles reciben instrucciones detalladas sobre el tipo de cosas que pueden decir. E incluso hay un equipo de control de calidad que verifica que las publicaciones cumplan con un cierto umbral de 'calidad'. Una publicación no sería validada si es eliminada por el anfitrión o si estuviera compuesta por palabras confusas, por ejemplo. Después de haber trabajado encubierto para averiguar cómo funcionaba el sistema, Cheng y compañía estudiaron el patrón de publicaciones que aparecían en un par de grandes sitios web chinos: Sina.com y Sohu.com. En particular, estudiaron los comentarios sobre varias noticias sobre dos empresas de las que sospechaban que pagaban carteles y que estaban involucradas en una disputa pública sobre los servicios de la otra. El conjunto de datos de Sina consistió en más de 500 usuarios que realizaron más de 20.000 comentarios; el conjunto de datos de Sohu involucró a más de 200 usuarios y más de 1000 comentarios. Cheng y sus compañeros revisaron todas las publicaciones identificando manualmente aquellos que creían que eran de carteles pagados y luego se dedicaron a buscar patrones en su comportamiento que los pudieran diferenciar de los usuarios legítimos. (Admiten que el grado de precisión de las impresiones iniciales es un problema potencial, pero es el mismo con el que los filtros de spam también tienen que lidiar). Descubrieron que los carteles pagados tienden a publicar más comentarios nuevos que respuestas a otros comentarios. También publican con más frecuencia, con un 50% de ellos publicando cada 2,5 minutos en promedio. También pasan de una discusión más rápido que los usuarios legítimos, descartan sus identificaciones y nunca más las vuelven a usar. Es más, el contenido que publican es considerablemente diferente. A estos trabajadores se les paga por volumen y, por lo tanto, a menudo toman atajos, cortando y pegando el mismo contenido muchas veces. Esto normalmente invalidaría sus publicaciones, pero solo si es detectado por el equipo de control de calidad. Entonces, Cheng y sus colegas desarrollaron un software para buscar repeticiones y similitudes en los mensajes, así como otros comportamientos que habían identificado. Luego lo probaron en el conjunto de datos que habían descargado de Sina y Sohu y encontraron que era muy bueno, con una precisión del 88 por ciento en la detección de carteles pagados. Los resultados de nuestras pruebas con conjuntos de datos del mundo real muestran un rendimiento muy prometedor, dicen. Es un trabajo impresionante y un buen primer paso para combatir este problema, aunque deberán probarlo en una gama mucho más amplia de conjuntos de datos. Sin embargo, estos chicos tienen la base de un paquete de software que eliminará una fracción significativa de los carteles pagados, siempre que estas personas se ajusten al estereotipo que Cheng y compañía han medido. Y ahí radica el problema. Tan pronto como la primera versión del software llegue al mercado, los carteles pagados aprenderán a modificar su comportamiento de una manera que juegue con el sistema. Lo que Cheng y compañía han comenzado es un juego del gato y el ratón como los que afectan a las industrias de filtrado de spam y antivirus. Y eso significa que la batalla que tenemos por delante con Internet Water Army será larga y dura. Árbitro: arxiv.org/abs/1111.4297 : Luchando contra el ejército del agua de Internet: detección de carteles pagados ocultos esconder