Continua Leyendo...
Por Redacción - 29 Mayo 2013
Mediante la aplicación de un método estadístico, investigadores de la Universidad de Educación a Distancia (UNED) consiguen detectar eficazmente el contenido basura en Twitter, en concreto en los trending topics.EL 94,5% del contenido fue clasificado correctamente como spam.
El contenido basura se infiltra a niveles a veces insospechados, y la facilidad en la creación de nuevos usuarios provoca que la eliminación de los perfiles de los spammers sea una tarea a veces infructuosa.
El equipo de investigadores de la UNED ha diseñado un método para detectar este spam que inunda los trending topics de la red. 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.
“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.
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.
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.
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 con Twitter.
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.
