Az Image Factory (www.imagefactory.hu) hamis Facebook felhasználókról szóló sorozatának
második részében azt járjuk körül, hogy milyen módszerekkel lehet – lehet-e egyáltalán – a
hamis profilokat azonosítani.
Mint sorozatunk első részében (http://webbrand.postr.hu/hamis-felhasznalok-a-facebookon-
1-resz) megírtuk, nincsenek egyértelmű adatok arra vonatkozóan, hogy hány hamis profil
lehet a Facebookon, de azt megállapítottuk, hogy (1) nagyságrendileg több ezres, sőt tízezres
számról lehet szó, valamint (2) a közösségi média üzemeltetők, felhasználók, hirdetők közös
érdeke, hogy ez a szám korlátozott keretek között maradjon.
Az Image Factory hamis Facebook felhasználókról szóló sorozatának második részében azt járjuk körül, hogy milyen módszerekkel lehet – lehet-e egyáltalán – a hamis profilokat azonosítani. Mint sorozatunk első részében megírtuk, nincsenek egyértelmű adatok arra vonatkozóan, hogy hány hamis profil lehet a Facebookon, de azt megállapítottuk, hogy (1) nagyságrendileg több ezres, sőt tízezres számról lehet szó, valamint (2) a közösségi média üzemeltetők, felhasználók, hirdetők közös érdeke, hogy ez a szám korlátozott keretek között maradjon.
Milyen módszerekkel lehet azonosítani a hamis fiókokat?
1. NÉV ALAPJÁN | A legegyszerűbb eset természetesen az, amikor már a név alapján nyilvánvaló, hogy a profil mögött nem valódi személy áll. Cikkünk előző részében a "Hülye" névre keresve kaptunk több érvényes találatot, annak ellenére, hogy a Facebook szabályzata szerint elvileg letiltja azokat a felhasználókat, akikről úgy gondolja, nem valódi személyek (ezzel kapcsolatos történeket magyarul Mikszáth Kálmánról itt, angolul Alicia Istanbulról itt lehet olvasni).
Ha esetleg kamunak tűnő nevünk van, nem kell izgulni, csak beszkennelve elküldeni hivatalos személyi azonosítónkat (pl. személyi igazolvány), és a FB további kérdés nélkül visszaállítja a fiókot.
A név alapján azonosíthatók a hamis profilok legártalmatlanabb esetei, amikor alapítványok, szervezetek helytelenül profilként jelennek meg a közösségi oldalon, de a hamis profilok celebeknek is sok problémát okoznak, képünkön például Dukai Regina küzelme látható.
2. FOTÓ ALAPJÁN | Az Antivírus blog kamuprofi vadászatának legnépszerűbb módszere a tineye.com képkereső szolgáltatása volt, amelynek segítségével egy adott kép internetes előfodulásait lehet ellenőrizni. Ha például egy kedves, barátkozni szándékozó székesfehérvári lány képét megtaláljuk egy új-zélandi portálon is, elkezdhetünk gyanakodni.
3. IP CÍM ALAPJÁN | Az Antivírus blog versenyének küldíját kapta az a megoldás, amely IP cím alapján történő azonosítást használt. Ez a számsorozat a gépünket azonosítja az interneten és – hacsak nem használunk trükköket az elrejtésére –, viszonylag nagy pontossággal megállapítható segítségével a tartózkodási helyünk. Ha tehát valaki Amerikából keres meg bennünket kedvesen, de egy linkre vezetjük és a kattintás azonosításából kiderül, hogy az IP címe magyarországi, akkor joggal kérdőjelezhetjük meg a szavahihetőségét.
4. EGYÉB SZEMÉLYES ADATOK, KAPCSOLATOK ALAPJÁN | A név, fotó és IP-cím ellenőrzés mellett természetesen más, személyes adatok is sokat elárulnak egy profil valódiságáról. A személyes információk összhatása egy tényleges profil esetén egészen más, mint egy mesterségesen kialakított fióknál. A családi fotók, iskolák, munkahelyek és hozzájuk szervesen kapcsolódó információk összhangját nagyon nehéz mesterségesen előállítani – persze nem lehetetlen. Az is árulkodó, ha egy személy kapcsolati hálójának jelentős részét láthatóan más hamis profilok alkotják, vagy földrajzilag jelentősen eltérőek a végpontok.
5. HÁLÓZATI INFORMÁCIÓK ALAPJÁN | A felhasználókról nem kizárólag az általuk feltöltött "statikus" adatok, hanem a közösségi felületen történő mozgásuk, aktivitásuk és ezeknek a nagy hálózathoz képest megállapítható relatív jellemzőik is árulkodnak. De melyek lehetnek azok a módszerek, amelyek segítségével egyáltalán kísérletet lehet tenni egy hálózati alapú szűrésre? A hálózati kutatással foglalkozó Maven7 tudományos munkatársa, Pollner Péter szerint az azonosítás egyik módszere lehet a jelölt hálózatok alkalmazása. A Facebook felhasználók kapcsolati hálóján meg kell jelölni minél több usert, akiről biztosan lehet tudni, hogy valódiak. (Például hólabda-felméréssel: kiindulva egy minimális számú emberből, megkérdezni, hogy ők kikről tudják, hogy igaziak. Minél több kiindulópontot használunk, annál több felhasználót tudunk elérni úgy, hogy a megbízhatóság ne romoljon tulságosan.) Amikor kialakítottuk a "trust-networköt", azaz a valódi felhasználók hálózatát, akkor a továbbiakban ennek a hálózatnak a növekedése során regisztrálnunk kell, hogy kik azok, akik a valódiakkal barátkoznának, de sikertelenül (asszmetrikusan). A fake userek egymás között persze linkelhetnek, akár szimmetrikusan is, mert ott a linkek letrejöttét egy véletlen folymatnak tekinthetjük (vagy esetleg egy teljes gráfra törekvő link-generátornak). Ezzel a módszerrel tehát egy alapvetően kis számú, valódi felhasználót tartalmazó hálózat növekedése során az alapadatokból kiindulva már a nagy hálózat felhasználóinak, tehát a később csatlakozottaknak is nagy pontossággal meg tudjuk állapítani a valódiságát.
Láthatjuk, hogy a hamis felhasználók megtalálására léteznek különböző – egyszerűbb és bonyolultabb, technikai és „emberi szemmel” végezhető módszerek. A név alapú szűrésen kívül nincs még arra utaló jel, hogy a Facebook bármilyen más módszert bevetne a fake userek azonosításába, pedig ezeknek a fiókoknak a mennyisége alapján indokolt lenne a hatékonyabb eljárás. Két alapvető érdek ütközik itt: az egyik a felhasználói fiókok mennyiségének, a másik pedig a rendszer hatékonyságának növelése. (Az is fontos a Facebooknak, hogy sok felhasználója legyen, de az is, hogy a hirdetők, márkák azt érezzék, hatékonyan költhetik itt a pénzüket, hiszen valódi személyekkel kerülnek kapcsolatba.) Jelenleg az első érdek még erősebb, de hosszabb távon nagy valószínűséggel mindinkább előtérbe kerülnek majd a közösségi média auditálási szempontjai, és akkor erősödik a nyomás a Facebookon, hogy tisztogasson kicsit a felhasználók között.
Utolsó kommentek