Aprende Java Aprende Php Aprende C++ Aprende HTML 5 Aprende JavaScript Aprende JSON Aprende MySQL Aprende SQLServer Aprende Visual Basic 6 Aprende PostgreSQL Aprende SQLite Aprende Redis Aprende Kotlin Aprende XML Aprende Linux VSC Aprende Wordpress Aprende Laravel Aprende VueJS Aprende JQuery Aprende Bootstrap Aprende Netbeans Aprende Android
Sigueme en Facebook Sigueme en Twitter Sigueme en Instagram Sigueme en Youtube Sigueme en TikTok Sigueme en Whatsapp
Home / Ciberseguridad / Tweetbotornot: Detección de Bots de Twitter

Tweetbotornot: Detección de Bots de Twitter

Por jc mouse viernes, noviembre 22, 2019

El modelo Tweetbotornot es un algoritmo de aprendizaje automático que se entrenó en miles de cuentas reales de bot y no bot de Twitter. Tiene en cuenta más de cien características diferentes derivadas de:

  • Atributos de nivel de usuario, por ejemplo, nombres, información de perfil como URL, descripción y ubicación, fecha de creación de la cuenta, número y tasa de estados, tweets favoritos, listas, amigos , seguidores
  • Patrones de tweets de alto nivel
  • Frecuencia, proporción y tiempo de tweets puros / originales, estados citados, retweets, número de favoritos, retweets
  • Patrones basados ​​en texto en tweets de usuarios –por ejemplo, número de hashtags, menciones y enlaces, longitud de tweets, puntuación, complejidad de palabras, etc., además de varias otras características.

El modelo está actualmente en desarrollo, fue programado por Michael W. Kearney en lenguaje R (lenguaje de programación con un enfoque al análisis estadístico), el proyecto se encuentra bajo licencia del MIT.

tweetbotornot

Las estimaciones de tweetbotornot simplemente reflejan el grado en que una cuenta determinada es similar a una cantidad de cuentas bot (automatizadas) conocidas. Este modelo proporciona pruebas de comportamientos automatizados, no humanos o no auténticos. Además, aunque la tasa de error durante la validación fue pequeña, debido a que probablemente haya muchos más no bots que bots en Twitter, el número de falsos positivos (cuentas reales no bot que reciben probabilidades de bot mayores a .50) aún puede ser relativamente grande.

En general, el modelo predeterminado es correcto el 93.8% del tiempo y  el modelo rápido es correcto el 91.9% del tiempo.

Para más información se recomienda visitar la pagina oficial del proyecto de tweetbotornot donde se podrá conocer más sobre sus características, instalación e integración con la API de Twitter. De igual forma el repositorio en Github se encuentra abierto al publico en https://github.com/mkearney/tweetbotornot

Esta disponible también una implementación online de tweetbotornot en https://mikewk.shinyapps.io/botornot/ el cual ingresando el nombre de una cuenta de Twitter te muestra las probabilidades de que sea un bot o no.

Básicamente, si se obtiene un puntaje menor a 0.5, probablemente la cuenta corresponda a una persona. Si tiene un puntaje mayor a 0.5 probablemente sea un bot.

detector de bots RRSS

Me quiero volver chango, soy un bot!!! jajaj

En conclusión, este sistema utiliza un modelo de aprendizaje automatizado para calcular la probabilidad de que un usuario sea un bot o no. Los factores utilizados para identificar el comportamiento similar al bot incluyen el número de usuarios de seguidores y cuentas seguidas, la biografía y el uso de hashtags, @ -menciones y letras mayúsculas en los últimos 100 tweets de la cuenta.

Pruebe la aplicación BotOrNot y háganos saber cualquier sorpresa en los resultados en la sección de comentarios.

enjoy!

Tags

Artículos similares

JASYPT : Cifrado simplificado Java

Jasypt es una biblioteca java que permite agregar capacidades básicas de encriptación a proyectos con el mínimo esfuerzo[...]

Proteger documento PDF con contraseña y limitar permisos desde Java

Los archivos digitales (txt, docx, xlsx, odt, odp, pdf, etc) nos permiten almacenar información el cual en ocasiones, de[...]

Introducción a VueJS framework para el desarrollo FrontEnd

Vue.js es un framework progresivo para la creación de interfaces de usuario de una sola página creado por Evan You. Pero[...]

Manipular colecciones de una forma sencilla

Java proporciona Collection Framework, que define varias clases e interfaces para representar un grupo de objetos como u[...]

Integración de FFmpeg con Java

FFmpeg es una colección de software libre capaz de decodificar, codificar, transcodificar, mux, demux, transmitir, filtr[...]

Gestión de Stock – La Vista (Parte 3)

En esta tercera parte del tutorial crearemos la interfaz de usuario GUI (VISTA) para el sistema de gestión de stock. Tom[...]