211service.com
Un algoritmo dei social media può prevedere un attacco terroristico?
Il monitoraggio dei social media sembra un modo ovvio per prevedere eventi come una protesta o un attacco terroristico, ma finora si è rivelato impegnativo. Ad esempio, nel 2013 il Brasile era in gran parte impreparato alle proteste di massa, anche se organizzate sui social media.
Tali fallimenti hanno fornito la motivazione per uno studio pubblicato oggi in Scienza . Un team di ricercatori è stato in grado di caratterizzare un modo fondamentale in cui i terroristi e altri gruppi utilizzano i social media per organizzarsi. I ricercatori hanno quindi utilizzato questi dati per creare un algoritmo che potrebbe essere in grado di prevedere i comportamenti futuri di questi gruppi, anche quando la loro attività si intensifica prima di un evento (vedi Fighting Isis Online).
La maggior parte delle piattaforme di social media offre un modo semplice per impostare una pagina della comunità o dell'organizzazione in cui chiunque può partecipare, scambiare informazioni e rimanere anonimo. Questi gruppi ad hoc, definiti aggregati in questa ricerca, vengono utilizzati da gruppi terroristici per comunicare e creare supporto.
Neil Johnson, fisico dell'Università di Miami, e il suo team si sono concentrati su una piattaforma sociale con sede in Russia chiamata VKontakte, che vanta 360 milioni di utenti in tutto il mondo. Hanno identificato manualmente 196 aggregati pro-ISIS che coinvolgono 108.086 individui sulla base di contenuti che suggerivano una connessione concreta all'ISIS (piuttosto che semplici parole chiave). I ricercatori hanno visto che questi aggregati crescono nel tempo e quelli più grandi si sviluppano dalla coalescenza di quelli più piccoli. Li hanno monitorati per un periodo di sei mesi per raccogliere dati sui loro comportamenti su base giornaliera, che hanno poi utilizzato per creare un algoritmo predittivo.
La ricerca fa emergere alcune caratteristiche fondamentali dei gruppi sociali che potrebbero essere importanti per combattere il terrorismo, ad esempio che è più efficace identificare gli aggregati piuttosto che gli individui (che sono più numerosi e dispendiosi in termini di tempo per l'analisi) e prendere di mira i gruppi più piccoli e più deboli. aggregati prima che si uniscano in quelli più grandi. L'algoritmo sembra anche indicare che il tasso di formazione aggregata si intensifica portando a grandi eventi, il che era vero prima delle proteste del 2013 in Brasile e degli attacchi dell'ISIS del 2014 a Kobane, in Siria.
Johnson afferma che le informazioni scoperte dal loro algoritmo potrebbero essere utilizzate per creare uno strumento che aiuti gli sforzi anti-terrorismo (vedi Cosa possono fare Google e Facebook per combattere l'Isis). Sarebbe possibile creare macchinari automatizzati che poi esaminino i diversi siti di media online e rilevi gli aggregati, ne rilevi la dinamica, li verifichi, cerchi l'escalation e quindi aumenti gli avvisi quando c'è un'escalation della creazione di aggregati, dice .
L'eliminazione dell'attività terroristica sui social media rappresenta una sfida: spesso le chiusure provengono dalla piattaforma stessa, che deve attraversare il confine tra sicurezza pubblica e libertà di parola. Facebook ha un team che identifica e rimuove individui o gruppi associati a contenuti terroristici e all'inizio di quest'anno Twitter ha sospeso 125.000 account con collegamenti all'ISIS. Potrebbero intervenire anche singoli hacker e agenzie governative: l'anno scorso, il gruppo online Hacktivist Anonymous ha rimosso 20.000 account Twitter legati all'ISIS.
Ma alcuni scienziati mettono in dubbio il valore dell'algoritmo come strumento predittivo per gli sforzi anti-terrorismo. Andrew Gelman, professore di statistica e politica alla Columbia University, ritiene che l'idea di guardare gli aggregati sia buona, ma l'analisi dei comportamenti degli aggregati da parte dello studio potrebbe essere più utile del suo algoritmo predittivo.
In teoria c'è qualche vantaggio dalla modellazione, dice, ma non penso che siano ancora davvero lì.