Grey Wolf Optimizer-Based Feature Selection with Mutual Information Refinement for Machine Learning-Based Bot Detection on Social Media

في المشهد الصاخب والواسع لوسائل التواصل الاجتماعي، تجذرت مشكلة هادئة ولكنها كبيرة: صعود الحسابات الآلية، أو "البوتات" (Bots). هذه عبارة عن برامج حاسوبية مصممة لمحاكاة المستخدمين البشر، حيث تنشر الرسائل، وتضع الإعجابات على المحتوى، وتتابع الآخرين لنشر كل شيء، من التحديثات الإخبارية غير الضارة إلى المعلومات المضللة والرسائل المزعجة الخطيرة. وبينما تخدم بعض هذه الحسابات الآلية أغراضًا مشروعة، فإن الكثير منها خبيث، وقادر على التأثير في الرأي العام وتقويض الثقة في المجتمعات عبر الإنترنت. لسنوات، حاول الباحثون بناء أنظمة يمكنها التمييز بين الشخص الحقيقي والروبوت. ويكمكم التحدي في الحجم الهائل للبيانات؛ فمنصات التواصل الاجتماعي تولد ملايين ملفات تعريف المستخدمين، ولكل منها عشرات الخصائص المختلفة، بدءًا من عدد التغريدات التي يرسلونها إلى طول اسم المستخدم الخاص بهم. إن فرز هذه المعلومات للعثور على القليل من الأدلة التي تهم حقًا يشبه محاولة العثور على إبرة محددة في كومة قش، لكن كومة القش هذه تنمو وتتغير باستمرار.

لقد طور فريق من الباحثين في معهد دايالباغ التعليمي في الهند طريقة جديدة لحل مشكلة الفرز هذه، بهدف جعل اكتشاف البوتات أسرع وأكثر دقة. وبدلاً من تغذية برنامج حاسوبي بكل معلومة عن المستخدم، ابتكروا عملية مكونة من خطوتين لتجريد البيانات من الضجيج والاحتفاظ فقط بالتفاصيل الأكثر دلالة. تجمع طريقتهم بين استراتيجية بحث مستوحاة من الطبيعة وطريقة إحصائية تقيس مدى إخبار قطعة واحدة من المعلومات عن قطعة أخرى. ومن خلال استخدام هذا الأسلوب الهجين، تمكنوا من تقليص قائمة ضخمة مكونة من ثمانٍ وستين سمة مختلفة للمستخدم إلى مجموعة أصغر بكثير مكونة من خمس وعشرين سمة فقط، وصولاً في النهاية إلى مجموعة أكثر إحكاماً مكونة من عشر سمات أثبتت أنها الأكثر فعالية لتحديد الهوية.

بدأ الباحثون بمجموعة بيانات كبيرة تحتوي على معلومات عن 8,386 حسابًا على تويتر، نصفها حسابات بوت معروفة والنصف الآخر بشر حقيقيون. تم وصف كل حساب بثمانٍ وستين سمة مختلفة، مثل عدد المتابعين، وتكرار إعادة التغريد، وطول السيرة الذاتية للمستخدم. وللعثور على أفضل تركيبة من هذه السمات، استخدم الفريق أولاً طريقة تسمى "محسن الذئب الرمادي" (Grey Wolf Optimizer). هذا الخوارزمية الحاسوبية تحاكي التسلسل الهرمي الاجتماعي وسلوك الصيد للذئاب الرمادية. وفي النسخة الرقمية، تستكشف مجموعة من "الذئاب" المساحة الشاسعة من تركيبات السمات الممكنة، حيث تقود أفضل الحلول القطيع نحو المنطقة الأكثر واعدًا. تعمل هذه العملية كمرشح، حيث تضيق نطاق السمات الأصلية الـ ثمانٍ والستين إلى مجموعة أكثر قابلية للإدارة مكونة من خمس وعشرين سمة أظهرت أكبر قدر من الوعد في التمييز بين البوتات والبشر.

بمجرد تحديد هذه المجموعة الأولية المكونة من خمس وعشرين سمة، طبق الباحثون طبقة ثانية من التنقية باستخدام مفهوم يسمى "المعلومات المتبادلة" (Mutual Information). فكر في هذا الأمر كوسيلة لقياس مدى ارتباط شيئين ببعضهما البعض؛ وفي هذه الحالة، كان يقيس مدى مساعدة معرفة سمة معينة للمستخدم في التنبؤ بما إذا كان هذا المستخدم بوتًا أم لا. ومن خلال ترتيب الخمس وعشرين سمة بناءً على هذه العلاقة، استطاع الفريق رؤية أي السمات كانت ضرورية حقًا وأيها كانت مجرد سمات زائدة. وقد اختبروا أحجام مجموعات مختلفة، من أفضل أربع سمات وحتى أفضل عشرين سمة، لمعرفة العدد المطلوب لتحقيق أفضل النتائج. ضمنت هذه الخطوة أن القائمة النهائية للسمات لم تكن صغيرة فحسب، بل كانت أيضًا محملة بأكثر المعلومات صلة، مما أدى إلى إزالة أي ضجيج متبقٍ قد يربك نظام الكشف.

ولمعرفة ما إذا كان هذا النهج المبسط قد نجح بالفعل، اختبره الباحثون مقابل خمسة أنواع مختلفة من نماذج تعلم الآلة، وهي برامج حاسوبية مدربة على التعرف على الأنماط. استخدموا أدوات قياسية مثل أشجار القرار وآلات المتجهات الداعمة، لكنهم تضمنوا أيضًا نموذجًا قويًا يُعرف باسم "XGBoost". وأظهرت النتائج أنه باستخدام قائمتهم المنقحة من السمات، أدت الأنظمة أداءً استثنائيًا. فقد حقق نموذج XGBoost، على وجه الخصوص، دقة تصنيف بلغت 98.87% عند استخدام مجموعة فرعية مكونة من ثمانٍ إلى اثنتي عشرة سمة فقط. وهذا يعني أن النظام حدد بشكل صحيح ما إذا كان الحساب بوتًا أو بشريًا في كل حالة تقريبًا. وحتى مع عدد قليل جدًا من السمات، حافظ النظام على أداء عالٍ، مما أثبت أنه من الممكن اكتشاف هذه الحسابات الآلية دون الحاجة إلى تحليل كل تفصيل في ملف تعريف المستخدم.

كما قارنت الدراسة طريقتهم الجديدة بالتقنيات القديمة التي تستخدم استراتيجيات بحث مختلفة، مثل الخوارزميات الجينية وتحسين سرب الجسيمات. وبينما كانت تلك الطرق القديمة قادرة على إيجاد حلول جيدة، أثبت "محسن الذئب الرمادي" أنه أكثر كفاءة، حيث وجد مجموعة أفضل من السمات مع تقليل إجمالي السمات بنسبة تزيد عن 63 بالمائة. هذا التقليل مهم لأن ذلك يعني أن نظام الكشف يمكنه العمل بشكل أسرع ويتطلب قوة حوسبة أقل، مما يجعله أكثر عملية للاستخدام في العالم الحقيقي على منصات التواصل الاجتماعي الكبيرة. ووجد الباحثون أنه بينما عانت بعض النماذج عندما أُعطيت سمات قليلة جدًا، إلا أن نماذج أخرى، مثل شجرة القرار وXGBoost، ازدهرت بفضل البيانات المدمجة وعالية الجودة التي وفرها إطار عملهم الجديد.

في النهاية، يوضح هذا العمل أن الكشف الفعال عن البوتات لا يتطلب البحث في جبال من البيانات. فمن خلال الاختيار الدقيق للمفاتيح الصحيحة، يمكن للباحثين بناء أنظمة تكون أسرع وأكثر دقة في آن واحد. وتؤكد الدراسة أن الجمع بين طريقة بحث مستوحاة من الطبيعة وأداة ترتيب إحصائية يمكن أن يعزل بنجاح السلوكيات المحددة التي تُعرف بوت التواصل الاجتماعي. وبينما يشير الباحثون إلى أن العمل المستقبلي سيحتاج إلى معالجة التكتيكات المتطورة باستمرار لمبتكري البوتات وربما دمج أنواع بيانات أكثر تعقيدًا، فإن نتائجهم الحالية تقدم مسارًا واضحًا للمضي قدمًا. لقد أظهروا أنه مع النهج الصحيح، من الممكن اختراق الضجيج الرقمي وتحديد الحسابات الآلية التي تهدد سلامة المجتمعات عبر الإنترنت.