CB-MTE:通过多源异质特征融合进行社交机器人检测
Meng Cheng1,2, Yuzhi Xiao1,2, Tao Huang1,2
1School of Computer Science, Qinghai Normal University, Xining 810008, China.
Sensors (Basel, Switzerland)
|September 19, 2025
概括
由于其不断发展的战术,检测社交机器人具有挑战性. 一个新的框架,CB-MTE,集成了多个数据源,以准确识别协调的机器人活动和行为模式.
科学领域:
- 人工智能的人工智能
- 计算机科学 计算机科学
- 社交网络分析 社交网络分析
背景情况:
- 社交机器人通过参与大规模影响力活动,构成重大威胁.
- 现有的机器人检测方法与不完整的功能和动态机器人行为作斗争.
- 挑战在于捕捉机器人的不断发展的战术和协作性质.
研究的目的:
- 提出一个新的框架,CB-MTE,用于增强社交机器人检测.
- 解决基于特征的单源检测方法的局限性.
- 改进动态行为特征和协作机器人活动的识别.
主要方法:
- CB-MTE利用多源异质特征融合在一个层次结构的架构.
- 使用来自文本的深度语义表示 (DistilBERT) 和社区意识的图形嵌入.
- 应用了多重学习以减少维数和基于CatBoost的协作推理机制.
主要成果:
- 在TwiBot-22数据集上,CB-MTE显著优于主流检测模型.
- 该框架有效地捕捉了社交机器人的动态行为特征.
- 协作机器人活动以更高的准确性被检测出来.
结论:
- 在社交机器人检测方面,CB-MTE表现出卓越的性能.
- 多源功能集成对于捕获全面的机器人特征至关重要.
- 拟议的框架为识别复杂的社交机器人网络提供了一个强大的解决方案.
