Cálculo do poder de disseminação de um utilizador numa rede social online como fator de determinação de risco para a sua privacidade digital

Abstract

A presença ubíqua das redes sociais faz com que estas sejam plataformas ideais para a disseminação de notícias, mas quando o conteúdo destas notícias é falso estas podem pôr em risco a privacidade digital de um utilizador. A disseminação de notícias nas redes sociais é principalmente feita com base em relações de confiança e confiabilidade entre os utilizadores, estas relações estão então diretamente ligadas com o poder de disseminação de um utilizador. A partilha e compartilha das notícias nas redes sociais é atualmente feita por utilizadores e contas bot, a disseminação das notícias falsas por bots põem a privacidade digital dos utilizadores das redes sociais em risco. De forma a ter a recolher dados que pudessem ser livremente manipulados foi utilizado a ferramenta ”FakeNewsNet”, esta permitiu que fosse criado um dataset com os dados recolhidos da rede social Twitter. De forma a melhor compreender as redes de disseminação das notícias, os dados recolhidos foram aplicados ao ”Community Health Assessment Model”, este modelo é baseado nos modelos epidemiológicos, e que permite obter dados sobre a disseminação das notícias nas redes sociais entre utilizadores e dentro de comunidade ou ”echo chambers”. Os dados contidos no dataset foram também aplicados ao ”Botometer”, um modelo supervisionado de deteção de contas bot no Twitter, em que as contas dos disseminadores de notícias foram analisadas. Com os resultados obtidos dos modelos aplicados, é medido o impacto das contas bot na disseminação das notícias. O impacto das contas bot para a disseminação das notícias é entre 2,9% a 6,9% na disseminação de notícias dentro de comunidades e nas notícias falsas contribuem entre 2,8% a 0,7% na disseminação entre utilizadores, sendo que estas contas correspondem entre 0,272% a 0,296% da população que dissemina as notícias. Utilizando os dados dos dataset foi também feita uma análise de como as notícias são disseminadas. A análise foi feita em duas partes, uma parte foi dedicada às publicações e as relações que os utilizadores têm com contas bot e a outra parte foi dedicada ao poder de disseminação dos utilizadores. A partir da análise foi identificado que as contas bot desempenham um papel maior na disseminação das notícias falsas. Utilizando esses dados são propostas medidas de modo a que os utilizadores consigam se proteger da influência das contas bot.

The ubiquitous presence of social networks makes them ideal platforms for spreading news, but when the content of this news is fake, it can put a user’s digital privacy at risk. The dissemination of news on social networks is mainly done based on trust and trustworthiness relationships between users; these relationships are then directly linked with the dissemination power of a user. The bot users and accounts currently do the sharing and resharing of news on social networks, and the dissemination of fake news by bots puts the digital privacy of social network users at risk. To collect data that could be freely manipulated, the tool ”FakeNewsNet” was used, which allowed the creation of a dataset with the data collected from the social network Twitter. To better understand the news dissemination networks, the collected data was applied to the ”Community Health Assessment Model”, which is based on epidemiological models and allows to obtain data about the dissemination of news on social networks between users and within communities or ”echo chambers”. The data contained in the dataset was also applied to the ”Botometer”, a supervised Twitter bot account detection model, in which the accounts of news disseminators were analyzed. With the results obtained from the applied models, the impact of bot accounts on news dissemination is measured. The effect of bot accounts on news dissemination is between 2.9% and 6.9%on news dissemination within communities. On fake news, they contribute between 2.8% and 0.7% to dissemination among users, and these accounts correspond between 0.272% and 0.296% of the news disseminating population. An analysis of how the news is spread was also performed using the dataset data. The study was done in two parts. One was dedicated to the publications and the relationships that users have with bot accounts, and the other was to the users dissemination power. From the analysis, it was identified that bot accounts play a more significant role in disseminating fake news. Using this data, measures are proposed so that users can protect themselves from the influence of bot accounts.