Ivan Marković

Security consultant and researcher

Long experience in designing and implementation of security solutions, mainly oriented on web, mobile and embedded applications. Author of penetration testing tools, recognized by OWASP organization and BackTrack Linux distribution. Researching work includes discovery of vulnerabilities of numeral applications and services, and for these, author received public apreciations by Microsoft Company.

Contact via Linkedin or read interesting staff on Twitter.

Analiza neočekivanog Twitter statusa (Botnet) v2

09.08.2022

Uvod

Stalno slušamo o "botovima". Nekad se i sam zapitam da li je moguće da su neke teme, ili objave, toliko popularne. Rešio sam da napravim strategiju, i sistem, za proveru, evo prvih rezultata.

Ceo dokument možete preuzeti ovde: Analiza neočekivanog Twitter statusa (Botnet) v2, a prethodnu analizu ovde: Analiza neočekivanog Twitter statusa (Botnet).

Napomene

Istraživanje je sprovedeno isključivo u edukativne svrhe. Uzeći u obzir današnje mogućnosti manipulisanja javnog mišljenja, moramo biti upoznati sa mehanizmima manipulacije, kao i da se informišemo o tehnikama prepoznavanja takvih šablona na socijalnim i drugim mrežama.

Svi obrađeni podaci prikupljeni su isključivo iz javno dostupnih izvora. Podaci nisu prikupljani u stvarnom vremenu i moguća su odstupanja od trenutnog stanja.

Za prikupljanje i obradu podataka korišćeni su besplatni alati.

Rezultati

Detalji pratilaca koji su obeleželi da im se sviđa neočekivani status, nakon što je Twitter obrisao preko 5000 lažnih “lajkova”!
Analiza - Twitter - Botnet

Detalji pratilaca koji su obeleželi da im se sviđa neočekivani status - grupa Botovi
Analiza - Twitter - Botnet

Detalji pratilaca koji su obeleželi da im se sviđa neočekivani status - grupa Sledbenici
Analiza - Twitter - Botnet

Primer neregularnih profila koji se mogu primetiti ručnim metodama
Analiza - Twitter - Botnet

Zaključak

Analiza obuhvata i prethodno ukrštanje podataka oko 100.000 Tviter naloga, i oslanjajući se samo na “očigledne” vrednosti (poput “lajkova”) prilikom donošenja zaključaka i kreiranja šablona ponašanja.
Brzim ručnim pregledom više od 100 korisničkih naloga iz prethodnih grupa, uvrđeno je da ovi nalozi imaju zajedničke ciljeve i ne proizvode svoj sadržaj.
Takođe identifikovani su profili sa lažnim slikama, profili iste osobe sa sličnim imenima, i istim sadržajem, nalozi sa imenima koji nisu uobičajni kod ljudi, itd.
Generalni zaključak je da postoji više organizovanih grupa, botova i sledbenika, koji manipulišu Tviter algoritmom, stanjem javnog mišljenja i podržavaju govor koji sadrži prostakluk i mržnju.

Ovakvo ponašenje i manipulacija algoritmom nije u skladu sa pravilima Twitter-a: https://help.twitter.com/en/rules-and-policies/platform-manipulation.

Povezano

Analiza neočekivanog Twitter statusa (Botnet)
Alat za analizu botova