Борьба с мошенничеством в социальных сетях с помощью графических баз данных

Распространение дезинформации представляет собой значительную угрозу для гражданского пространства, и прошедший глобальный «год выборов» показал, как легко недобросовестные лица могут просочиться через щели социальных медиа-платформ. Ложные утверждения в виде видео-монтажей были распространены среди молодых пользователей TikTok перед британскими выборами, и за ними стояли вымышленные, казавшиеся автоматизированными аккаунты. Истинными или нет, содержание и последующие комментарии могут убедить впечатлительных пользователей с помощью альтернативных фактов.

В США 38% взрослых использовали социальные сети для получения информации о выборах президента в 2024 году. С предстоящими изменениями в модерации контента на платформах Meta, которые теперь будут зависеть от пользователей при проверке постов на достоверность, манипулятивная информация становится все более вероятной причиной обмана миллионов людей.

Одним из способов предотвратить дальнейшее распространение дезинформации является решение проблемы с корнями. Одним из таких методов является использование технологии графовых баз данных. Эти базы данных структурируют и анализируют информацию в виде сущностей и связей, что помогает распутывать шаблоны и скрытые нити внутри них. Графовые базы данных могут раскрыть эти связи и предоставлять скрытые данные для борьбы со всеми видами обмана.

Вот три ключевых качества графовых технологий, которые делают их мощным инструментом для расследования дезинформации, мошенничества и обманов:

1. Распознавание связей в данных
   Графовые базы данных хранят данные как сеть взаимосвязанных фактов. Этот тип модели данных полезен для исследователей при быстром отображении сложных связей. Например, в контексте дезинформации во время выборов важны связи между рекламой в социальных сетях, спонсорами и кандидатами. Организация данных как «узлов» и «связей» позволяет исследователям выявлять скрытые шаблоны и отношения между объявлениями и учетными записями, а затем анализировать эти шаблоны и аномалии в слабо связанных компонентах для выявления злонамеренных аккаунтов.
2. Перебор связей на большом уровне и с высокой скоростью
   Графовые базы данных позволяют быстро анализировать огромные объемы данных, что помогает выявлять координированные действия недобросовестных участников. Это особенно важно в условиях быстрого распространения информации.
3. Расследование маскировочных действий
   Несмотря на то что эти сети предпринимают шаги для того, чтобы остаться незамеченными при распространении рекламы по Facebook, исследователи используют графовые базы данных для анализа координированных проблемных материалов и выяснили, что некоторые объявления пытались обмануть жертв на сумму до 80 долларов в месяц — ни один цент из которых не шел напрямую на поддержку кампаний кандидатов.

Оставаясь на шаг впереди с графовыми базами данных
Каждый год организации и потребители теряют миллиарды долларов из-за онлайн-мошенничества. Борьба с обманом и защита пользователей заключается в выявлении и расследовании связей между различными онлайн-сущностями, а современные технологии помогают делать это. Работая как мастер детектив, графовые технологии способны отображать шаблоны и связи через огромные объемы данных, что позволяет пользователям раскрывать технически продвинутых недобросовестных действий и помогает им оставаться на шаг впереди сложной проблемы, стоящей перед обществом.