Detectando Usuários Maliciosos em Interações via Vídeos no YouTube Fabrício Benevenuto, Tiago Rodrigues, Virgílio Almeida, Jussara Almeida, Marcos Gonçalves Universidade Federal de Minas Gerais - XIV Simpósio Brasileiro de Sistemas Multimídia e Web (WebMedia 08) 26-29/Outubro/2008 - Vila Velha - ES - Brasil

Motivações Vídeo é uma nova tendência de acordo com a ComScore, em maio de 2008, os americanos assistiram 12 bilhões de vídeos on-line 74 % da audiência total da Internet nos EUA assistiram a vídeos on-line parte do sucesso dos vídeos na Web é devido à mudança do papel do usuário que passou a criar e disponibilizar conteúdo Vários novos serviços na Web 2.0 oferecem funções baseadas em vídeos revisões e opiniões de produtos, debates políticos, vídeo conferência, web TV, vídeo blog, propagandas, vídeos respostas abre oportunidades para diferentes tipos de ações oportunistas e maliciosas dos usuários

Definições Vídeo Resposta Maior rede social de compartilhamento de vídeos do mundo Vídeo Resposta permite uma interação entre os usuários através de vídeos um vídeo só pode ser resposta para um único outro vídeo em determinado momento

Definições Vídeo Poluído Usuários Poluidores vídeo resposta cujo conteúdo é completamente não relacionado ao assunto do vídeo respondido Usuários Poluidores são aqueles que agem maliciosamente na tentativa de divulgar conteúdo Promotor de vídeos promover o tópico: em geral vários vídeos respostas postados automaticamente Spammer promover o vídeo resposta: propagandas, pornografia, etc

Exemplos de Spammers Pornografia Propaganda Poluição

Exemplos de Promotores Promoção

Organização do Trabalho Criação de uma coleção de testes com spammers, promotores de vídeos e usuários legítimos desafio: subjetividade para definição de vídeo poluído Identificação de atributos capazes de distinguir usuários poluidores de usuários legítimos foco na detecção do usuário poluidor e não do vídeo poluído Propomos um mecanismo de detecção de usuários poluidores baseado nos atributos identificados Simulação para verificar viabilidade e efetividade de uma possível aplicação do mecanismo num sistema real

Coleta dos Dados Objetivo: coletar usuários que participam de interações através de vídeos respostas Abordagem: coletar um componente fracamente conectado inteiro segue as duas direções: vídeos respostas e vídeos respondidos essencial para o cálculo de diversas métricas de redes sociais

Arquitetura do Coletor Clientes coletam dados do YouTube Servidor coordena clientes para evitar coletas redundantes Sementes: 100 usuários donos dos vídeos mais respondidos do YouTube Foram coletadas informações de 701.950 vídeos respostas e 381.616 vídeos respondidos, exaustando um componente inteiro de 264.460 usuários em 7 dias (de 11 a 18 de janeiro de 2008)

Coleção de Testes Total: 855 usuários 641 legítimos 157 spammers Usuários com diferentes níveis de atividades 400 usuários selecionados aleatoriamente das 4 regiões do gráfico ao lado Busca manual por poluidores busca por suspeitos na lista dos vídeos mais respondidos do YouTube 155 usuários suspeitos encontrados 300 usuários selecionados aleatoriamente entre os que responderam aos vídeos mais respondidos Reduzir algum possível viés introduzido pela estratégia 2 Total: 855 usuários 641 legítimos 157 spammers 31 promotores de vídeos 26 suspensos

Características dos Usuários Promotores visam vídeos com poucas avaliações enquanto spammers visam vídeos mais bem avaliados Legítimos representam um meio termo Vídeos exibidos, em média, mais de 100 vezes: 97% dos usuários legítimos 90% dos spammers 4% dos promotores de vídeos

Características dos Usuários Possuem mais que 10 amigos: 75% dos usuários legítimos 49% dos spammers 7% dos promotores de vídeos Usuários legítimos possuem um UserRank mais alto do que spammers que, por sua vez, possuem UserRank mais alto do que promotores de vídeos

Detecção de Poluidores Mecanismo de detecção de poluidores Abordagem de aprendizagem de máquina (inteligência artificial) para classificação dos usuários Algoritmo utilizado: SVM (Support Vector Machine) Algoritmo de classificação bastante conhecido por seu desempenho competitivo com o estado da arte Atributos (60 no total) Usuários número de vídeos, amigos, vídeos assistidos, vídeos adicionados como favoritos, vídeos respostas enviados e recebidos, total de inscrições e inscritos, número máximo de vídeos enviados em um dia Vídeos média e total para 3 grupos: todos os vídeos do usuário, apenas os vídeos respostas e todos os vídeos alvos duração, número de exibições, avaliações, comentários, favoritos, menções honrosas e elos externos Redes Sociais coeficiente de agrupamento, UserRank, betweeness, reciprocidade e assortatividade

Detecção de Poluidores libSVM, que permite buscar pelos melhores parâmetros Validação cruzada 5-fold Com 95% de confiança, nenhum resultado difere da média em mais de 6% TESTE TREINO

Simulação Demonstrar a aplicabilidade do mecanismo de detecção proposto e prover respostas iniciais para as seguintes questões: Quantos spammers e quantos promotores de vídeos podem afetar o sistema? Qual o impacto de se remover automaticamente a poluição (vídeos poluídos) detectados pelo nosso mecanismo de classificação? Entidades: usuários, vídeos respostas, vídeos respondidos, e uma relação de postagem (ação de enviar um vídeo resposta a um vídeo respondido) Spammers e legítimos escolhem vídeo respondido para cada postagem, promotores postam todos os vídeos respostas a um único alvo Parâmetros e distribuição de dados baseadas na coleção de testes Métrica: nível de poluição (PL) Captura não só a porcentagem de vídeos poluídos em cada classe, mas considera também o ranking em termos do número de vídeos respostas recebidos pelo vídeo respondido

Simulação Todos os resultados são uma média de 30 execuções Pequena porcentagem de spammers não afeta muito o sistema Poluição continua alta após remoção para grandes frações de spammers PL causado por promotores é alto mesmo para pequenas proporções Pequena fração não detectada (3,23%) é suficiente para poluir o sistema

Conclusão Abordamos o problema de detecção de usuários poluidores num sistema de compartilhamento de vídeos Criação da coleção de testes Caracterização de aspectos que podem ser úteis para diferenciar usuários poluidores Simulação para avaliar diferentes cenários e efetividade de uma possível aplicação do mecanismo de detecção proposto Nosso mecanismo de detecção é capaz de identificar corretamente 97% dos promotores de vídeos e 54% dos spammers, errando apenas 5,4% dos usuários legítimos

Perguntas??? tiagorm@dcc.ufmg.br fabricio@dcc.ufmg.br virgilio@dcc.ufmg.br jussara@dcc.ufmg.br mgoncalv@dcc.ufmg.br