TargetVue: Визуальный анализ аномального поведения пользователей в онлайн-коммуникационных системах

Пользователи с аномальным поведением в онлайн-коммуникационных системах (например, в электронной почте и социальных медиа-платформах) представляют потенциальную угрозу для общества. Для борьбы с этой проблемой были разработаны автоматизированные методы обнаружения аномалий на основе передовых методов машинного обучения; тем не менее остаются трудности, связанные со сложностью получения корректной эталонной разметки для обучения и оценки моделей. Поэтому для корректировки работы алгоритмов обнаружения аномалий часто требуется существенное человеческое суждение по результатам автоматического анализа. К сожалению, по-прежнему не хватает методов, позволяющих пользователям более эффективно понимать результаты анализа, уверенно принимать решения об аномалиях и исследовать данные в их контексте. В этой статье мы предлагаем новую систему визуального анализа TargetVue, которая обнаруживает аномальных пользователей с помощью модели неконтролируемого обучения и визуализирует поведение подозрительных пользователей в богатом контекстом поведении с помощью новых визуальных решений и нескольких согласованных контекстных представлений. В частности, TargetVue включает три новых эго-центричных глифа для визуального суммирования поведения пользователя, которые эффективно представляют коммуникационную активность пользователя, его признаки и социальные взаимодействия. Предложен эффективный метод размещения этих глифов на треугольной сетке, который фиксирует сходства между пользователями и облегчает сравнение поведения разных пользователей. Мы демонстрируем возможности TargetVue на примере задачи выявления социальных ботов с использованием данных Twitter, кейс-стади на основе записей электронной почты и интервью с экспертными пользователями. Наша оценка показывает, что TargetVue способствует обнаружению пользователей с аномальным коммуникационным поведением.