슬롯 사이트 (WPI)의 연구원은 컴퓨터 과학을 사용하여 크라우드 터핑의 점점 더 많은 문제를 해결하는 데 도움이됩니다. National Science Foundation Career Award, 조교수 자금 지원온라인 슬롯 Kyumin Lee | 우스터 폴리 테크닉 연구소Amazon, Facebook 및 Twitter와 같은 다양한 플랫폼에서 가짜 "좋아요"와 팔로어를 탐지하는 데 매우 정확한 알고리즘을 개발했습니다.
크라우드 터핑 (크라우드 소싱과 Astroturf를 결합한 용어)은 허위 정보의 온라인 암시장과 같습니다. 인위적으로 팽창 된 리뷰에 부응하지 않는 제품, 가짜 트윗과 게시물로 밀려나는 악의적 인 정보, 심지어 선거가 공동 정보 캠페인에 의해 흔들리는 것을 포함하여 그 결과는 위험 할 수 있습니다..
“우리는 실제가 무엇인지, 사람들로부터 가짜 또는 악의적 인 정보를 게시하기 위해 지불하는 사람들로부터 오는 지 알지 못한다”고 말했다.
“우리는 우리가 믿었던 것보다 덜 믿는다”고 그는 말했다. "이것은 사람들이 보는 가짜 정보의 양이 높아지고 있기 때문입니다. 제품 검토 또는 가짜 뉴스이든간에 정보를 조작하고 있습니다. 저의 목표는 크라우드 터프의 전체 생태계를 공개하는 것입니다. 근로자는 누구 가이 작업을 수행 하는가? 어떤 웹 사이트를 목표로하고 있습니까?
Kyumin Lee
7 월 피망 슬롯에 합류 한 Lee는 누구나 근로자를 모집하여 급여 작업을 완료 할 수있는 온라인 마켓 플레이스 인 Amazon 's Mechanical Turk (MTURK)와 같은 크라우드 소싱 사이트에 초점을 맞 춥니 다. 대부분의 작업은 합법적이지만, 사이트는 크라우드 터프 캠페인을 도울 사람들을 모집하는 데 사용되었습니다. 일부 크라우드 소싱 사이트는 그러한 불법적 인 작업을 제거하려고하지만 다른 지역은 그렇지 않습니다. 그리고 가짜 또는 악의적 인 과제는 일반적으로 합법적 인 것보다 더 잘 지불하기 때문에 매우 인기가있을 수 있습니다.
머신 러닝 및 예측 모델링을 사용하여 Lee는 그의 연구가 보여준 패턴을 찾는 게시 된 작업을 수행하는 알고리즘을 구축합니다. 예를 들어 특정 웹 사이트에서 정보를 조작하거나 게시하는 시간당 임금 또는 일자리가 특정 종류의 링크를 클릭합니다. 이 알고리즘은 작업을 게시하는 악의적 인 조직, 크라우드 터퍼가 목표로하는 웹 사이트 및 작업을 완료하기 위해 가입하는 근로자를 식별 할 수 있습니다..
대상 웹 사이트를 살펴보면, 예측 알고리즘은 실제로 소셜 미디어 사이트에서 "좋아하는"콘텐츠를 "좋아하는"콘텐츠를 수행하거나 특정 소셜 미디어 사용자를 "팔로우하는"새로운 사용자가 할당 된 크라우드 터프 작업을 수행 할 확률을 측정 할 수 있습니다. Lee의 연구에서 알고리즘은 90 %의 정확도와 99 %의 정확도로 가짜 추종자로 가짜 좋아요를 감지했습니다.
그는 가짜 뉴스를 구체적으로 연구하지는 않았지만 봇은 선전을 밀고 온라인으로 이야기하는 유일한 것은 아니라고 말했다. 사람들은 크라우드 소싱 사이트에 쉽게 고용되어 가짜 뉴스 기사를 전파하여 도달 범위와 악의적 인 의도를 높일 수 있습니다.
“알고리즘은 사용자가 할 일을 예측할 수 있기 때문에 미래의 크라우드 터프를 방지 할 수 있습니다.”라고 그는 덧붙였습니다. "회사는 이러한 알고리즘을 적용하여 악의적 인 사용자와 악의적 인 컨텐츠를 실시간으로 필터링 할 수 있습니다. 사이트를 더욱 신뢰할 수있게 해줄 것입니다. 사이버 공간의 신뢰성을 신뢰하고 개선 할 수있는 정보에 관한 것입니다.".
Lee의 작품은 5 년 동안 516,000 달러의 NSF 커리어 상을 수상했으며 2016 년 유타 주립 대학에서 수상했습니다. 또한 2013 년에는 미국에서 150 명의 교수 중 한 명으로 Google 교수 연구 상을 수상했습니다. 그 43,295 달러는 그의 크라우드 터핑 연구를 지원합니다.
크라우드 터프에 관심을 돌리기 전에 Lee는 스팸 탐지에 대한 연구를 수행했습니다. 그의 다음 목표 중 하나는 스팸과 크라우드 터핑을 감지하기 위해 알고리즘을 조정하는 것입니다. 그는 크라우드 터핑이 신제품에 대한 검토가 구매 및 지불 된 경우에도 합법적으로 보일 수 있기 때문에 감지하기가 더 어렵다고 말했다. "이상적인 솔루션은 이러한 모든 문제를 한 번에 감지 할 수있는 방법 중 하나입니다." "우리는 모든 종류의 악의적 인 사용자를 감지 할 수있는 보편적 인 도구를 구축 할 수 있습니다. 이것이 저의 미래의 일입니다."
Lee는 회사 및 조직에서 알고리즘을 공개적으로 이용할 수있게하여 특정 요구에 맞게 조정할 수 있다고 덧붙였습니다. "나는 사람들이 특정 조직에 적합한 더 나은 알고리즘을 만들 수 있도록 데이터 세트를 공유 할 것으로 기대한다"고 그는 말했다. "그들이 우리의 논문을 읽을 때, 그들은 이것이 어떻게 작동하는지 이해하고 자신의 시스템을 구현할 수 있습니다."
Lee는 피망 슬롯 컴퓨터 과학 대학원생 Thanh Tran과 Nguyen Vo의 연구에 도움을 받았습니다.
