网络信息生态系统中的虚假信息：检测、缓解与挑战

Amrita Bhattacharjee; 舒凯; 高旻; 刘欢

doi:10.7544/issn1000-1239.2021.20200979

网络信息生态系统中的虚假信息：检测、缓解与挑战

¹(亚利桑那州立大学计算机科学与工程系美国亚利桑那州坦佩 85281)
²(伊利诺伊理工大学计算机科学系美国伊利诺伊州芝加哥 60616)
³(重庆大学大数据与软件学院重庆 400044) (abhatt43@asu.edu)

详细信息

中图分类号: TP391
计量
- 文章访问数: 1171
- HTML全文浏览量: 14
- PDF下载量: 834
出版历程
- 发布日期: 2021-06-30

Disinformation in the Online Information Ecosystem: Detection, Mitigation and Challenges

¹(Department of Computer Science and Engineering, Arizona State University, Tempe, AZ, USA 85281)
²(Department of Computer Science, Illinois Institute of Technology, Chicago, IL, USA 60616)
³(School of Big Data and Software Engineering, Chongqing University, Chongqing 400044)

摘要

摘要: 随着互联网的迅速发展及网络社会媒体中用户的增加，通过社会媒体发布和传播信息的真实性和质量受到日益广泛的关注.目前大部分公众已习惯从社会媒体平台与互联网获取新闻，甚至是获取受到高度关注的话题(如新冠病毒感染症状)的信息.鉴于网络信息生态系统非常嘈杂，充斥着错误和虚假信息并经常受到恶意媒介的污染，从中识别真实的信息成为一项艰巨任务.对此，研究者们已开始致力于虚假信息检测和减缓虚假信息传播影响方面的工作.讨论了网络信息生态系统中的虚假信息问题，特别是随着新冠病毒大爆发而来的“信息疫情”.随后，简述了虚假信息检测方法，分析了减缓虚假信息影响的方法，并探讨了虚假信息研究中的固有挑战.最后从跨学科角度阐述了检测和减缓虚假信息影响的方法和未来研究展望.
- 虚假信息 /
- 缓解虚假信息 /
- 虚假信息检测 /
- 社会媒体 /
- 跨学科方法
Abstract: With the rapid increase in access to the internet and the subsequent growth in the population of social media users, the quality of information posted, disseminated, and consumed via these platforms is an issue of growing concern. A large fraction of the common public turn to social media platforms and, in general, the internet for news and even information regarding highly concerning issues such as COVID-19 symptoms and treatments. Given that the online information ecosystem is extremely noisy, fraught with misinformation and disinformation, and often contaminated by malicious agents spreading propaganda, identifying genuine and good quality information from disinformation is a challenging task for humans. In this regard, there is a significant amount of ongoing research in the directions of disinformation detection and mitigation. In this survey, we discuss the online disinformation problem, focusing on the recent ″infodemic″ in the wake of the coronavirus pandemic. We then proceed to discuss the inherent challenges in disinformation research, including data collection, early detection and effective mitigation, fact-checking based approaches, multi-modality approaches, and policy issues and fairness, and elaborate on the interdisciplinary approaches towards the detection and mitigation of disinformation, after a short overview of the various directions explored in computational detection and mitigation efforts.
- disinformation /
- disinformation mitigation /
- disinformation detection /
- social media /
- inter-disciplinary approaches

HTML全文

参考文献(0)

施引文献(28)

期刊类型引用(15)

1.	叶进，谢紫琪，肖庆宇，宋玲，李晓欢. 数据中心网络中基于ELM的流簇大小推理机制. 计算机科学与探索. 2021(02): 261-269 . 百度学术
2.	林霄，姬硕，岳胜男，孙卫强，胡卫生. 面向跨数据中心网络的节点约束存储转发调度方法. 计算机研究与发展. 2021(02): 319-337 . 本站查看
3.	王金焱. 异构无线网络多路径流量调度算法研究. 常熟理工学院学报. 2021(02): 70-75 . 百度学术
4.	董金良，刘小伟，李海江. 基于蚁群优化的通信网络负荷信息分散协调调度. 水电与抽水蓄能. 2021(03): 68-71 . 百度学术
5.	韩茂玲. 复杂网络大规模数据流均衡调度方法. 成都工业学院学报. 2021(03): 38-42 . 百度学术
6.	武自强，周建涛，赵大明，柳林. 数据中心基于服务满足度的网络流避让方法. 计算机工程与应用. 2021(19): 116-122 . 百度学术
7.	时洋，文梅，费佳伟，张春元 . 一种基于DAG的网络流量调度器. 计算机研究与发展. 2021(12): 2798-2810 . 本站查看
8.	李文信，齐恒，徐仁海，周晓波，李克秋. 数据中心网络流量调度的研究进展与趋势. 计算机学报. 2020(04): 600-617 . 百度学术
9.	陈珂，刘亚志，王思晗. 基于流量特征的流调度策略研究综述. 计算机应用研究. 2020(10): 2889-2894 . 百度学术
10.	郑莹，段庆洋，林利祥，游新宇，徐跃东，王新. 深度强化学习在典型网络系统中的应用综述. 无线电通信技术. 2020(06): 603-623 . 百度学术
11.	柯文龙，王勇，叶苗，陈俊奇. Ceph云存储网络中一种业务优先级区分的多播流调度方法. 通信学报. 2020(11): 40-51 . 百度学术
12.	李维虎，张顶山，崔慧明，周龙，朱志挺，谢挺. 数据中心网络coflow调度机制结构构建及仿真. 电子测量技术. 2019(10): 78-81 . 百度学术
13.	康瑾，李革. 面向医院手术排程的智能规划算法研究. 信息技术. 2019(11): 37-41+45 . 百度学术
14.	孙超. 基于模糊反馈的共享网络远程数据控制仿真. 计算机仿真. 2019(10): 409-412+438 . 百度学术
15.	王远. 数据中心网络拥塞控制研究综述. 信息工程大学学报. 2019(06): 714-719 . 百度学术