Social media bot detection using Dropout-GAN

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21240%2F24%3A00375930" target="_blank" >RIV/68407700:21240/24:00375930 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1007/s11416-024-00521-5" target="_blank" >https://doi.org/10.1007/s11416-024-00521-5</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/s11416-024-00521-5" target="_blank" >10.1007/s11416-024-00521-5</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Social media bot detection using Dropout-GAN

Popis výsledku v původním jazyce

Bot activity on social media platforms is a pervasive problem, undermining the credibility of online discourse and potentially leading to cybercrime. We propose an approach to bot detection using Generative Adversarial Networks (GAN). We discuss how we overcome the issue of mode collapse by utilizing multiple discriminators to train against one generator, while decoupling the discriminator to perform social media bot detection and utilizing the generator for data augmentation. In terms of classification accuracy, our approach outperforms the state-of-the-art techniques in this field. We also show how the generator in the GAN can be used to evade such a classification technique.

Název v anglickém jazyce

Social media bot detection using Dropout-GAN

Popis výsledku anglicky

Bot activity on social media platforms is a pervasive problem, undermining the credibility of online discourse and potentially leading to cybercrime. We propose an approach to bot detection using Generative Adversarial Networks (GAN). We discuss how we overcome the issue of mode collapse by utilizing multiple discriminators to train against one generator, while decoupling the discriminator to perform social media bot detection and utilizing the generator for data augmentation. In terms of classification accuracy, our approach outperforms the state-of-the-art techniques in this field. We also show how the generator in the GAN can be used to evade such a classification technique.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Journal of Computer Virology and Hacking Techniques

ISSN

2263-8733

e-ISSN

—

Svazek periodika

20

Číslo periodika v rámci svazku

4

Stát vydavatele periodika

FR - Francouzská republika

Počet stran výsledku

12

Strana od-do

669-680

Kód UT WoS článku

001215048300001

EID výsledku v databázi Scopus

2-s2.0-85192070760