في عالم اليوم المترابط عبر الشبكات الاجتماعية، تكمن التحديات في حفظ الديمقراطية والحفاظ على سلامة المعلومات. عمليات المعلومات (Information Operations) تمثل تهديدًا كبيرًا، فبينما تزداد التعقيدات، يتطلب الأمر تقنيات حديثة ومبتكرة للتعرف على هؤلاء المستخدمين. هذه المهام، التي كانت تتطلب في السابق موارد بشرية ضخمة، تعرضت لانتقادات بسبب عدم قدرتها على مواكبة السلوكيات المتغيرة لهؤلاء المستخدمين.

في ظل هذه التحديات، طرحت دراسة حديثة تقنية جديدة تسمى TENSOR - وهي اختصار لـ Temporal-bEhavior-laNguage Signals for information Operation Recognition. تعتمد هذه التقنية على نموذج غير إشرافي للكشف عن الأنماط السلوكية واللغوية لمستخدمي عمليات المعلومات.

تم تصميم TENSOR للتعرف على الأنشطة غير العادية من خلال الاستفادة من البيانات متعددة الوسائط، والتي تشمل التفاعلات الزمنية للمستخدمين، مثل توقيت نشر الرسائل ومحتوى هذه الرسائل.

الابتكار هنا يكمن في تدريب نموذج يسمى العمليات الزمنية النقطية (Temporal Point Process - TPP) لإلتقاط الأنماط السلوكية غير العادية لمستخدمي عمليات المعلومات، الذين غالبًا ما يتصرفون بطريقة متناسقة. كما تم تطوير وظيفة جديدة لتحويل استجابات نماذج اللغات الضخمة (Large Language Models - LLM) التي تم إنتاجها من توقيتات نشر المستخدمين إلى درجات كمية، مما يساعد في تحسين اكتشاف هؤلاء المستخدمين.

أظهرت التجارب أن تقنية TENSOR تتفوق على الطرق التقليدية في الكشف عن العمليات غير المشروعة في خمسة مجموعات بيانات حقيقية. للمزيد من التفاصيل، يمكنكم زيارة رابط المكتبة Github.

ما رأيكم في هذه الطريقة الجديدة لاكتشاف الأنشطة المريبة؟ شاركونا في التعليقات.