Abstrait

Machine Learning 2018 : Lamassu, détection de l'extrémisme cybernétique via des caractéristiques lexicales automatiques, la découverte et l'analyse sociale : une application sur le jihad des réseaux à la demande - Noor Alasadi - Université de Damas

Noor Alasadi

Les sites de communication informelle à longue distance ont connu un succès extraordinaire ces derniers temps, en plus des nombreuses nouvelles opportunités qu'ils offrent, les groupes fanatiques et les associations de répression basées sur la peur les utilisent pour élever leur philosophie afin d'encourager les communications internes et de faire ressortir une réponse mentale organisée chez leurs adversaires. De nombreuses ressources Web contiennent des informations sur le radicalisme, mais une assez petite mesure provient des groupes de répression psychologique eux-mêmes et comme il est impossible de vérifier et de décomposer physiquement l'intégralité de leur contenu de manière indépendante pendant les combats, des arrangements utilisant des techniques mécanisées sont recherchés. Cette étude utilise des stratégies d'IA pour effectuer une localisation robotisée du langage fanatique. Dans ce projet, nous avons proposé une méthodologie pour distinguer le contenu fanatique et identifier les clients radicaux attendus dans la vie en ligne. La philosophie de l'étude examine les inclusions dans les rapports des clients pour prévoir le radicalisme au moyen d'un modèle thématique mesurable sur un corpus arabe qui identifie les messages fanatiques avec des fonctionnalités créées en conséquence et une structure révisée dans laquelle, que le radicalisme s'applique ou non à un individu donné implique un degré lié à de nombreuses variables. Pour présenter notre travail, nous avons créé un ensemble de données contenant plus de 360 ??000 messages de rassemblement Web. Les recherches sur un indice d'information inspecté montrent une précision de 96,20 % et une relecture de 94,90 %. L'utilisation croissante d'Internet comme moyen principal de communication a conduit à la mise en place de réseaux numériques, qui sont devenus de plus en plus interactifs avec des groupes militants psychologiques en raison du concept non réglementé de communication sur Internet. Les groupes de personnes en ligne permettent aux fanatiques féroces d'élargir leur enrôlement en leur permettant de construire des relations personnelles avec un public général apte à accéder à du contenu non censuré. Cet article présente des techniques permettant d'identifier les activités d'enrôlement des groupes féroces au sein des sites de réseaux sociaux en ligne radicaux. En particulier, ces stratégies appliquent des procédures acquises dans l'apprentissage dirigé et le traitement du langage courant à la tâche non testée de reconnaissance naturelle des messages de discussion attendus de certains nouveaux individus radicaux brutaux. Nous avons utilisé des données du site djihadiste occidental Ansar AlJihad Network, qui a été organisé par le Dark Web Venture de l'Université de l'Arizona. Diverses autorités désignées ont physiquement expliqué un exemple de ces informations, en marquant 192 postes testés arbitrairement comme enrôlant (En effet) ou non enrôlant (NON). Nous avons observé une grande compréhension entre les noms des autorités désignées ; κ de Cohen = (0,5, 0,9) à p = 0,01. Nous avons testé la plausibilité de l'utilisation de modèles bayésiens crédules, de rechutes calculées, d'arbres de regroupement, de boosting et de machines à vecteurs de soutien (SVM) pour classer les postes de regroupement.L'évaluation avec les courbes de marque de travail bénéficiaires (ROC) montre que notre classificateur SVM atteint une zone sous la courbe (AUC) de 89 %, une amélioration notable par rapport à l'exécution AUC de 63 % atteinte par notre modèle bayésien le moins difficile (test de Tukey à p = 0,05). En ce qui concerne chacun, il s'agit du principal résultat fourni par les détails concernant cette tâche, et notre étude démontre que la reconnaissance automatique de l'enrôlement des oppresseurs psychologiques en ligne est une tâche réalisable. Nous distinguons également plusieurs domaines importants de travaux futurs, notamment le regroupement des messages non anglophones et l'estimation de la manière dont les messages d'inscription et les développements récents modifient les chiffres de participation au fil du temps.

Biographie :

Noor Alasadi est un scientifique de données senior chez Creditinfo Group, un fournisseur de services de premier plan en matière d'informations sur le crédit et de solutions de gestion des risques dans le monde entier. Il est instructeur diplômé et chercheur à l'Université de Damas, Département d'intelligence artificielle et de traitement du langage naturel. Il est également membre du comité scientifique de l'ACM-ICPC au sein duquel il a été juge, rédacteur de problèmes, coach et organisateur du concours de programmation universitaire arabe (2012-2017). Il a également participé à de nombreux projets de partenariat public-privé avec des entreprises et des autorités du Moyen-Orient pour créer des systèmes de sécurité intelligents.