28/05/2013 - La estadística ‘da caza’ al contenido basura de Twitter

Menéame

Investigadores de la UNED han desarrollado un método estadístico para detectar el contenido basura en Twitter, en concreto, en los conocidos como trending topics, o temas más populares. Para demostrar su eficacia han analizado 20 millones de mensajes.

“Los ciberdelincuentes han encontrado un blanco fácil en aquellos usuarios que utilizan redes sociales como Twitter”, explica Juan Martínez-Romo, investigador del departamento de Lenguajes y Sistemas Informáticos de la UNED.

El científico, junto a otros investigadores de la universidad, ha diseñado un método para detectar el contenido basura que se cuela en los trending topics, o temas más populares de Twitter. Para ello, han analizado 20 millones de tuits –el mensaje básico de esta red social–, 34.000 trending topics y seis millones de direcciones webs, publicadas en estos mensajes.

De todo el contenido analizado, la herramienta clasificó correctamente el 93,7% de los mensajes maliciosos y el 89,3% de los mensajes válidos. “Solo el 6,3% de tuits válidos fueron clasificados erróneamente como basura”, subraya Martínez-Romo.

La revisión automatizada de los datos se complementó con un análisis manual, para verificar que el método funcionaba correctamente. Según este examen, el 94,5% del contenido fue clasificado correctamente como spam, y hubo un 5,4% de falsos positivos.

La investigación, que se publica en la revista Expert Systems with Applications,utiliza modelos del lenguaje para detectar el spam y, a diferencia de otros métodos, no analiza perfiles de usuarios sino tuits.

“La creación de nuevos usuarios es muy sencilla, lo que provoca que la eliminación de los perfiles de spammers sea una tarea infructuosa, porque inmediatamente o en paralelo, la misma persona dispone de otras cuentas de usuario desde las que enviar contenido basura”, comenta Martínez-Romo.

Revisión de mensajes y webs

Los modelos del lenguaje utilizados por los investigadores son herramientas estadísticas que definen la estructura del lenguaje y que resultan muy útiles en aplicaciones con una sintaxis o semántica compleja, como ocurre conTwitter.

Puesto que los trending topics tratan temas concretos, los investigadores han construido un modelo con los mensajes que se refieren a ese tema. “De esta forma, podemos detectar aquellos nuevos mensajes que no se correspondan con ese modelo y, por tanto, sean spam”, asegura Lourdes Araujo, investigadora también del departamento de Lenguajes y Sistemas Informáticos de la UNED y otra de las autoras del estudio.

Para afinar más la herramienta, como algunos mensajes maliciosos tienen apariencia de válidos, el método analiza también el contenido de las páginas webs que se incluyen en el mensaje. Por ejemplo, si un tema popular es David Bowie, y el enlace de la página web de un tuit lleva a un portal de productos farmacéuticos, ese mensaje sería clasificado como spam.

El método puede ser implementado en tiempo real y de forma sencilla en los servidores de Twitter, algo a lo que están abiertos los investigadores, en el caso de que  la compañía norteamericana quisiera incluir su algoritmo.

———————————————

Referencia bibliográfica:

Juan Martínez-Romo, Lourdes Araujo. “Detecting malicious tweets in trending topics using a statistical analysis of language”. Expert Systems with Applications 40 (8), 2013, DOI: 10.1016/j.eswa.2012.12.015.

Para más información:

Laura Chaparro – Unidad de Cultura Científica (UCC+i/FECYT)

OTRI-UNED

lchaparro@fsof.uned.es

91 398 9682

La Universidad de Castilla-La Mancha ha acogido los días 7 y 8 de octubre una reunión de coordinación de FIREFLY, un proyecto europeo que busca electrificar parte de la cadena de valor de la industria química y reducir su dependencia de los recursos fósiles. El encuentro se celebró en la Facultad de Ciencias y Tecnologías Químicas de Ciudad Real. El...

La Escuela Técnica Superior de Ingeniería Industrial de Barcelona, perteneciente a la Universitat Politècnica de Catalunya, celebra sus 175 años con una exposición que conecta su historia con los desafíos tecnológicos y sociales de las nuevas generaciones de ingenieros. La muestra, inaugurada el 8 de octubre, puede visitarse hasta el 17 de octubre en CASA SEAT, en Barcelona, con entrada...

La Universidad Pontificia Comillas ha reunido a representantes institucionales, académicos y especialistas del sector tecnológico y de defensa para analizar las oportunidades y los desafíos de la inteligencia artificial en la seguridad y la defensa de España. El seminario, celebrado el 7 de octubre y difundido por la Universidad el día 9, fue organizado por la Facultad de Derecho de...

La Universidad Politécnica de Madrid dedica este 9 de octubre una jornada a los retos de integrar el hidrógeno en la industria y el transporte, dos ámbitos en los que la reducción de emisiones exige combinar diferentes soluciones tecnológicas. La Comunidad del Hidrógeno y Pilas de Combustible de la UPM organiza el encuentro en el salón de actos de la...

La ingeniera de telecomunicación Alicia Ramón Catalán es la ganadora del Premio Pioneras_IT 2026, promovido por el Colegio Oficial de Ingenieros de Telecomunicación y la Asociación Española de Ingenieros de Telecomunicación para visibilizar el talento femenino en el sector. La elección, anunciada el 28 de septiembre, culmina una convocatoria cuyo acto de entrega se programó para el 8 de octubre...