Abstrato

Machine Learning 2018: Lamassu, detetando o extremismo cibernético através do recurso lexical automático, descoberta e análise social: uma aplicação na jihad das redes de procura - Noor Alasadi-Universidade de Damasco

Noor Alasadi

Os sites de comunicação informal de longo alcance têm-se deliciado com uma conquista extraordinária ultimamente, para além das várias novas portas abertas que estão a abrir, reuniões fanáticas e associações opressoras baseadas no medo estão a utilizá-los para elevar a sua filosofia, encorajar correspondências internas e trazer à tona uma resposta mental organizada nos seus adversários. Muitos recursos da web contêm dados sobre o radicalismo, mas uma parte moderadamente pequena tem origem nos próprios grupos de opressores psicológicos e, uma vez que é inacessível verificar fisicamente e quebrar toda a sua substância de forma independente durante os combates, procuram-se arranjos que utilizem técnicas mecanizadas. Este exame aplica estratégias de IA para realizar a localização de linguagem fanática robotizada. Neste empreendimento, propusemos uma metodologia para distinguir substâncias fanáticas e reconhecer clientes radicais esperados na vida baseada na Internet. A filosofia do estudo investiga a inclusão nos clientes??? crónicas para prever o radicalismo através de um modelo temático mensurável num corpus árabe que identifica posts fanáticos com destaques criados consequentemente e uma estrutura revista na qual, independentemente de o radicalismo se aplicar a um determinado indivíduo, envolve grau identificado com inúmeras variáveis. Para expor o nosso trabalho, criámos um conjunto de dados contendo mais de 360 ??mil posts de recolha na web. As investigações sobre um índice informacional inspeccionado mostram uma precisão de 96,20% e uma revisão de 94,90%. O desenvolvimento da utilização da Internet como meio significativo de correspondência levou à criação de redes digitais, que se têm tornado cada vez mais orientadas para reuniões de militantes psicológicos devido ao conceito não regulamentado da Internet. correspondência. O grupo de pessoas online capacita os fanáticos ferozes para expandir o alistamento, permitindo-lhes construir. associações individuais com uma multidão geral adequadas para obter substância não censurada. Este artigo apresenta técnicas para distinguir os exercícios de alistamento de reuniões ferozes dentro de sites de redes sociais radicais baseados na web. Em particular, estas estratégias aplicam procedimentos realizados na aprendizagem dirigida e na gestão da linguagem comum à tarefa não testada de reconhecer naturalmente os presentes de discussão esperados em novos indivíduos radicais brutais selecionados. Utilizámos informação do site jihadista ocidental Ansar AlJihad Network, organizado pela Dark Web Venture da Universidade do Arizona. Várias autoridades nomeadas explicaram fisicamente um exemplo desta informação, carimbando 192 postos testados arbitrariamente como alistados (de facto) ou não alistados (NÃO). Assistimos a um enorme entendimento entre os nomes das autoridades nomeadas; κ de Cohen = (0,5, 0,9) a p = 0,01. Tentámos a plausibilidade de utilizar modelos crédulos de Bayes, calcular recaídas, agrupar árvores, impulsionar e reforçar máquinas de vetores (SVM) para ordenar os postos de recolha.A avaliação com curvas de marca registada de trabalho do beneficiário (ROC) mostra que o nosso classificador SVM atinge uma região sob a curva (AUC) de 89%, uma melhoria notável em relação à execução de 63% de AUC alcançada pelo nosso modelo Bayes ingénuo e menos difícil (teste de Tukey a p = 0,05 ). No que diz respeito a todos, este é o principal resultado fornecido em detalhe sobre esta tarefa, e o nosso exame demonstra que o reconhecimento programado do alistamento de opressores psicológicos online é uma tarefa alcançável. Além disso, distinguimos várias regiões significativas de trabalho futuro, incluindo o agrupamento de publicações noutras línguas e a estimativa de como as publicações de candidatura e os desenvolvimentos recentes alteram os números de participação após algum tempo.

Biografia:

Noor Alasadi é cientista de dados sénior no Grupo Creditinfo, fornecedor líder de serviços de informação de crédito e soluções de gestão de risco em todo o mundo. É instrutor de pós-graduação e investigador na Universidade de Damasco, Departamento de Inteligência Artificial e Processamento de Linguagem Natural. É também Membro do Comité Científico do ACM-ICPC no qual foi Juiz, Problem Setter, Coach e Organizador no Arab Collegiate Programming Contest (2012-2017). Esteve também envolvido em vários projectos de parceria público-privada com empresas e autoridades no Médio Oriente para construir sistemas de segurança inteligentes.