Τίτλος Έργου

Εργαλείο για την ανίχνευση οργανωμένων ενεργειών (παραπληροφόρησης μέσω της  μοντελοποίησης της διασποράς ψευδών ειδήσεων στα κοινωνικά μέσα

Ακρωνύμιο

Who spread the rumors 

Λέξεις – Κλειδιά

Ψευδείς ειδήσεις, κοινωνικά μέσα, κοινωνικά δίκτυα, μοντελοποίηση επιρροής,  ανίχνευση προπαγάνδας

 

Αντικείμενο Έργου Astroturfing

Οι ψευδείς ειδήσεις είναι κατασκευασμένες πληροφορίες που μιμούνται το περιεχόμενο ειδησεογραφικών πηγών ως προς τη μορφή τους, παράγονται όμως χωρίς να ακολουθούνται αποδεκτές δημοσιογραφικές πρακτικές ή ενημερωτικοί στόχοι. Οι ψευδείς ειδήσεις μερικώς αλληλοεπικαλύπτονται με άλλες προβληματικές μορφές πληροφόρησης όπως η παραπληροφόρηση (ψευδείς ή παραπλανητικές πληροφορίες, misinformation) και η παραπλάνηση (disinformation), (Lazer et al., 2018). Το φαινόμενο έχει ιστορία χιλιάδων χρόνων –από τον καιρό που ο Θεμιστοκλής επικαλέστηκε τον χρησμό της Πυθίας, για να πείσει τους Αθηναίους να εκκενώσουν την πόλη τους και να μεταβούν στη Σαλαμίνα, λέγοντάς τους ότι τα «ξύλινα τείχη» που θα τους σώσουν είναι οι τριήρεις, ως το 1938, όποτε ο Όρσον Γουέλς προσπάθησε να τρομάξει τους ακροατές του, με τη ραδιοφωνική μετάδοση μιας υποτιθέμενης εισβολής Αρειανών στη Γη, στο πλαίσιο της εκπομπής «Πόλεμος των Κόσμων».

Αν και η παραγωγή και διάδοση των ψευδών ειδήσεων μπορεί να συμβαίνει είτε από αμέλεια (ανθρώπινο λάθος που περιλαμβάνει τη μη επιβεβαίωσης της εισερχόμενης πληροφορίας, καλόπιστα θεωρώντας την ως ορθή, αληθή και ακριβή) είτε με δόλο, στοχεύοντας σε ένα είδος προπαγάνδας, το αποτέλεσμα είναι πάντα το ίδιο: η παραπληροφόρηση και η χειραγώγηση του τελικού αποδέκτη. Η άνθιση του Web και των Social Media έχει προσθέσει ακόμη ένα μέσο πληροφόρησης και, κατ’ επέκταση, ένα σημαντικό πεδίο διάδοσης ψευδών ειδήσεων, οι οποίες, στο ψηφιακό περιβάλλον, διακινούνται με ταχύτητα φωτός σε όλα τα σημεία του πλανήτη, δυνητικά αγγίζοντας ως και 2 δις. ανθρώπων που εκτιμάται ότι είναι οι χρήστες του Διαδικτύου παγκοσμίως. 

Χαρακτηριστικά, οι G7 ανέδειξαν το 2017 το θέμα της online προπαγάνδας τρομοκρατικών οργανώσεων και συμφώνησαν με μεγάλες εταιρείες πληροφορικής όπως η Google, η Facebook και η Twitter να το καταπολεμήσουν, ενώ και η Ευρωπαϊκή ένωση πρόσφατα ανακοίνωσε ότι θα επιβάλει πρόστιμα στους παρόχους που διακινούν αντίστοιχο περιεχόμενο. Κάτω από την ίδια θεματική ομπρέλα εντάσσονται πιο εστιασμένες στρατηγικές (παρα)πληροφόρησης, που στοχεύουν στην καθοδήγηση της «κοινής γνώμης» μέσα από ένα προκάλυμμα καλών προθέσεων, που στόχο όμως έχει να πλήξει ένα συγκεκριμένο στόχο (πρόσωπο ή οργανισμό). Η συγκεκριμένη στρατηγική ορίζεται ως «astroturfing», και περιλαμβάνει οποιαδήποτε οργανωμένη ενέργεια ή καμπάνια διοργανώνεται από κάποιον φορέα ή ομάδα ανθρώπων, εξυπηρετώντας συγκεκριμένη ατζέντα, και οικοδομείται με τρόπο, ώστε να φαίνεται ότι πρόκειται για ένα αυτοδημιούργητο, ανεξάρτητο και μαζικό κίνημα για το –φαινομενικά– κοινό καλό. Αν και έχουν πολύ μεγαλύτερο παρελθόν, τέτοιες προσπάθειες στα παραδοσιακά μέσα ενημέρωσης ονοματίστηκαν πρώτη φορά τη δεκαετία του ‘90 (Stauber 2002) με τον όρο «astroturfing» και συνδέθηκαν με «τεχνητές εκστρατείες βάσης που δημιουργούνται από τα τμήματα δημοσίων σχέσεων εταιρειών».

Το παρόν έργο εντάσσεται στην θεματική περιοχή “8.7 Αναδυόμενες Τεχνολογίες: Κυβερνοασφάλεια και Διαδικτυακή Εμπιστοσύνη” και συγκεκριμένα στην προτεραιότητα “8.7.2 Αξιοπιστία και ποιότητα πληροφορίας και διαδικτυακών προφίλ  διότι:

  • Θα αναπτύξει εργαλεία για τον έλεγχο της αξιοπιστίας πηγών μετάδοσης και αναμετάδοσης ειδήσεων (κόμβοι) στα κοινωνικά δίκτυα τα οποία θα αξιολογούν την πληροφορία που διακινούν και μεταδίδουν οι πηγές, το ρυθμό μετάδοσης και αναμετάδοσης, τα μονοπάτια διάχυσης της πληροφορίας στα οποία συμμετέχουν.
  • Θα εκπαιδεύσει ένα ενιαίο προγνωστικό μοντέλο που θα αξιολογεί τις δημοσιεύσεις, αναδημοσιεύσεις και σχολιασμούς των ειδήσεων και θα εκτιμά την αληθοφάνεια της είδησης με βάση το πρότυπο διάδοσής της. Θα εκπαιδεύει σε πρώτο επίπεδο γραφοσυνελικτικά νευρωνικά δίκτυα ώστε να μοντελοποιεί τη διάδοση των ειδήσεων στο γράφο πηγών και δικτυακών προφίλ και εν συνεχεία θα χρησιμοποιεί ενισχυτική μάθηση ώστε να αποφασίζει ανά είδηση ένα βαθμό εγκυρότητας με βάση τον τρόπο που διαδόθηκε.
  • Για το σκοπό αυτό, θα εξετάσει πηγές κοινωνικών μέσων που παράγουν περιεχόμενο (ειδησεογραφικές πηγές, blogs κλπ.) διαφορετικού κύρους και αξιοπιστίας ανά θεματική κατηγορία, τους κόμβους των κοινωνικών δικτύων (χρήστες) που αναπαράγουν το περιεχόμενο αυτό ή σχολιάζουν το παραγόμενο περιεχόμενο σε διαφορετικά μέσα και θα χρησιμοποιήσει θετικά και αρνητικά δείγματα εκπαίδευσης. Στη συνέχεια, θα προσφέρει ένα εργαλείο το οποίο θα εκπαιδεύεται συνεχώς, κάθε φορά που μια είδηση επισημειώνεται ως ψευδής.
  • Θα επιχειρήσει να αποτυπώσει με αναλυτικό τρόπο τα δίκτυα προπαγάνδας ως επέκταση των απλών flag lists (ή black lists) που διαμορφώνονται πίσω από μια εσκεμμένα ψευδή είδηση ή ομάδα ειδήσεων που συστηματικά στοχεύουν μια οντότητα και θα αναπτύξει μια μέθοδο που θα εντοπίζει τις πηγές και τους αναμεταδότες μια προπαγάνδας καθώς και άλλες ειδήσεις που διακινούνται από τα ίδια δίκτυα.