혁신적 머신러닝 알고리즘, 소셜미디어 가짜 계정 탐지

연구진이 소셜 미디어 플랫폼에서 가짜 사용자를 식별하는 머신러닝 기반 새로운 방법을 개발했습니다. 알고리즘은 가짜 사용자가 다른 사용자들과 부적절한 링크를 구축하는 경향이 있다는 가정에 기반합니다. 결과는 알고리즘이 진짜 사용자와 악성 사용자 모두를 탐지할 수 있음을 보여줍니다.

알고리즘 작동 방식

가짜 사용자 식별은 소셜 네트워킹 기업들의 최우선 과제가 되었습니다. 특히 러시아가 미국 대선에 영향력을 행사하기 위해 소셜 사이트를 표적 활용하고, 사용자 프라이버시 보호에 실패한 이후 더욱 그렇습니다.

이제 워싱턴 대학교와 네게브 벤구리온 대학교 연구진이 트위터, 페이스북 같은 소셜 네트워킹 플랫폼에서 가짜 사용자를 찾아내는 새로운 일반적 비지도 학습 알고리즘을 구축했습니다.

새 알고리즘은 가짜 사용자가 네트워크에서 다른 사용자들과 부적절한 링크를 생성하는 경향이 있다는 예측에 기반합니다. 연구진은 링크 예측 방법을 사전 그래프 지식 없이 작동하는 이상 탐지 모델에 통합했습니다.

알고리즘 작동 원리

그래프 토폴로지를 활용해 대규모 복잡 네트워크에서 이상 정점(anomalous vertices)을 탐지하는 새로운 일반적 방법을 구축했습니다. 알고리즘은 머신러닝 기법 기반의 2가지 핵심 반복 과정을 가집니다.

1. 두 사용자 간 링크 확률을 추정하는 링크 예측 분류기 생성
2. 링크 예측 분류기가 생성한 특징들에 기반한 새로운 메타 특징 세트 생성

연구진은 이상 탐지에 효과적일 것으로 예상되는 7가지 새로운 특징을 제안했습니다. 어떤 새 특징이 가장 영향력 있는지 결정하기 위해 Weka의 정보 이득 속성 선택 알고리즘으로 중요도를 검토했습니다.

참조: SpringerLink | doi:10.1007/s13278-018-0503-4 | BGU

그런 다음 3가지 유형의 복잡 네트워크 — 레이블된 이상 정점이 있는 실제 네트워크, 시뮬레이션된 이상 정점이 있는 실제 네트워크, 완전 시뮬레이션 네트워크 — 에서 광범위한 실험적 평가를 수행했습니다.

데이터셋으로는 플릭스터(Flixster10), DBLP8, 옐프(Yelp), 아카데미아(Academia.edu), 아카이브(ArXiv5), 트위터(Twitter) 등 10개 네트워크를 사용했습니다.

빨간 정점은 이상 정점, 빨간 간선은 가짜일 확률이 가장 낮은 것들

결과는 알고리즘이 트위터를 포함한 실제 네트워크에서 진짜 사람과 악성 사용자 모두를 탐지할 수 있음을 보여줍니다. 다른 이상 탐지 기법을 능가했으며, 개발자들에 따르면 사이버보안 분야 특히 수많은 응용 잠재력이 있습니다.

향후 계획

개발자들은 가중치 그래프와 이분 그래프 같은 다른 종류의 네트워크에 대해 알고리즘을 검토할 계획입니다. 무작위 간선과 정점들이 결합될 때 네트워크 속성에 무슨 일이 일어나는지도 연구할 것입니다.

같은 알고리즘으로 소셜 플랫폼에서 하이재킹된 계정을 탐지하는 방법도 추가로 보일 것입니다. 또한 실과 가짜 정점을 구별할 수 없게 만들 정도로 대규모 시빌 공격(Sybil attack)이 어떤 규모여야 하는지도 흥미로울 것입니다.

관련 기사: 무료 소셜 네트워크 분석 도구 22가지

현재 연구진은 실제 가짜 ID가 레이블된 실제 데이터셋을 포함한 모든 코드와 데이터를 온라인에 공개했습니다. 누구나 오픈 프레임워크로 사용해 향후 정점 이상 탐지 방법을 개선하고 결과를 비교할 수 있습니다.