Mobility profiles and calendars for food security and livelihoods analysis
社会脆弱性被定义为个人和社会群体应对对其生计和福祉施加的任何外部压力的能力。在评估脆弱性时，流动和移徙是相关的，因为人口的流动反映了他们的生计、应对战略和社会安全网。虽然总的来说，移徙的特征很复杂，容易引起争议，但弱势人口群体流动模式的变化可能表明生计或应对战略的变化。这些变化还可能表明，人口群体可能会受到新的冲击;因此，监测流动模式的变化可以成为一个强有力的预警机制。
2019-04-17 cs.CY
Sneak into Devil's Colony- A study of Fake Profiles in Online Social Networks and the Cyber Law
在线社交网络（OSNs）上存储的大量关于用户社交、个人和职业生活的内容不仅吸引了研究人员和社会分析师的注意，也吸引了网络犯罪分子的注意。这些网络犯罪分子通过建立虚假配置文件或设计机器人并利用OSN的漏洞进行非法活动来非法渗透到OSN中。随着技术的发展，网络犯罪日益增多。OSN中的安全和隐私威胁的每日报告不仅需要能够实时的识别和减轻虚假配置文件的智能自动检测系统，而且还需要加强安全和隐私法律以减少网络犯罪。在本文中，我们研究了不同OSN网站上的各种虚假配置文件，例如受损配置文件、克隆配置文件和在线机器人（垃圾邮件机器人、社交机器人、点赞机器人和影响力机器人）以及现有的网络法律，以减轻其威胁。为了设计虚假轮廓检测系统，我们强调了不同类别的虚假轮廓特征，这些特征能够区分不同类型的虚假实体和真实实体。研究人员在构建虚假配置文件检测系统时面临的另一个主要挑战是无法获得虚假用户的特定数据。本文通过提供非常有帮助的数据汇集技术以及一些现有的数据源来解决这一挑战。此外，尝试提出了几种机器学习技术，用于设计不同的假轮廓检测系统。
2018-03-22 cs.CY cs.SI
NPS-AntiClone: Identity Cloning Detection based on Non-Privacy-Sensitive User Profile Data
社会感测是一种允许从人类和设备众包数据的范例。该感测到的数据（例如，社交网络帖子）可以被托管在社交传感器云（即，社交网络）中并且作为社交传感器云服务（SocSen服务）被递送。这些服务可以通过其提供者的社交网络账户来识别。攻击者通过克隆SocSen服务提供商的用户简档来欺骗社交传感器云用户，从而入侵社交传感器云。我们提出了一种新的无监督SocSen服务提供商身份克隆检测方法，NPS-AntiClone，以防止这种身份欺骗造成的不利后果。该方法利用从社交网络收集的非隐私敏感的用户简档数据来执行克隆身份检测。它由三个主要部分组成：1）多视图帐户表示模型，2）嵌入学习模型和3）预测模型。多视图账户表示模型为给定身份形成三个不同的视图，即发布视图、网络视图和简档属性视图。嵌入学习模型使用加权广义典型相关分析从生成的多视图表示中学习单个嵌入。最后，NPS-AntiClone计算两个账户嵌入之间的余弦相似度，以预测这两个账户是否包含克隆账户及其受害者。我们使用真实世界的数据集评估了我们提出的方法。结果表明，NPS-AntiClone显著优于现有的最先进的身份克隆检测技术和机器学习方法。
2021-09-30 cs.CY cs.SI
Mathematical model of interest matchmaking in electronic social networks
电子社交网络中的匹配问题被表述为一个优化问题。特别地，提出了测量搜索简档的感兴趣字段与广告简档的感兴趣字段的匹配度的函数。
2007-03-24 cs.AI cs.CY
One, None and One Hundred Thousand Profiles: Re-imagining the Pirandellian Identity Dilemma in the Era of Online Social Networks
Uno，Nessuno，Centomila（《一个，没有一个和十万个》）是意大利剧作家路易吉·皮兰德罗的经典小说。这本书出版于1925年，讲述了Vitangelo Moscarda的悲剧，他在面对一个固有的社会和多方面的世界时，努力为自己恢复一个连贯和统一的身份。今天的莫斯卡达身份悲剧会是什么样子？在这篇文章中，我们移植莫斯卡达的身份发挥从其离线设置到社会媒体和在线社交网络的当代舞台。参考身份建构、表现和自我呈现的既定理论，我们重新想象莫斯卡达在面对网络世界的影响时如何捍卫自己的完整性。
2011-09-15 cs.CY cs.SI
How Do Large Language Models Judge Social Attraction? Evidence from Theory-Grounded Persona Ratings Across Multiple LLMs and Humans
Rochester Institute of Technology（罗切斯特理工学院）
本文探究LLMs能否评估社交吸引力，经三项研究发现，34个LLM评分稳定且与人类排序一致，但LLMs对吸引力与无吸引力档案的评分偏差更大，且两者均无性别呈现的显著整体效应。
2026-08-11 cs.AI cs.CL cs.CY
Bootstrapping Trust in Online Dating: Social Verification of Online Dating Profiles
在线约会是一项日益繁荣的业务，拥有数十亿美元的收入，吸引了数千万用户。尽管在线约会很受欢迎，但它并不能完全不受令人担忧的信任和隐私问题的影响，这些问题是由披露潜在的敏感数据以及暴露于自我报告（因此可能被歪曲）的信息所引起的。尽管如此，到目前为止，很少有研究关注如何增强隐私和可信度。在本文中，我们报告了一系列的半结构化访谈，涉及20名参与者，并表明用户显着关注的真实性，网上约会的个人资料。为了解决这些问题，我们提出了以用户为中心的设计界面，称为Certifeye，其目的是引导信任的在线约会配置文件使用现有的社交网络数据。Certifeye验证用户在其在线约会资料上报告的信息（例如，年龄、关系状态和/或照片）与他们自己的Facebook个人资料上显示的相匹配。最后，我们提出了一个161用户的土耳其机械研究的结果，评估我们的真实性增强界面是否成功地减少了在线约会用户的关注，并发现一个统计上显着的信任增加。
2013-06-21 cs.CR cs.CY cs.SI
Time Profile of U.S. Neighborhoods: Datasets of Time Use at Social Infrastructure Places
本文构建了覆盖美国49个州、多地理尺度的社会基础设施时间利用（STU）数据集，通过匿名步行流量数据刻画参与时长、活动多样性与空间不平等，并验证了其人口代表性，为社区福祉研究和基础设施规划提供新依据。
2025-08-18 cs.CY cs.SI stat.AP
Analyzing User Behavior across Social Sharing Environments
在这项工作中，我们提出了一个深入的分析不同的社会共享系统的用户行为。我们考虑三个流行的平台，Flickr，美味和StumbleUpon，并通过结合技术从社会网络分析与技术从语义分析，我们的特点的标记行为，以及倾向于创建这些平台的用户的友谊关系。我们的调查的目的是，看看是否（以及如何）的功能和目标，一个给定的社会共享系统反映其用户的行为，此外，如果存在的社会和用户的标记行为之间的相关性。我们根据三个不同的维度报告了用户简档的特征：（i）用户活动的强度，（ii）基于标签的用户简档的特征，（iii）用户简档的语义特征。
2013-10-16 cs.CY cs.SI physics.soc-ph
Crowdsourcing Health Labels: Inferring Body Weight from Profile Pictures
要使用社交媒体进行健康相关分析，关键的一步是检测用户的健康相关标签。但与流感等短暂性疾病不同，社交媒体用户对肥胖等慢性疾病的声音较小，因为用户可能不会在推特上说“我仍然超重”。然而，由于肥胖相关的疾病，如糖尿病，心脏病，骨关节炎，甚至癌症都在上升，这种肥胖或不肥胖的标签可能是公共卫生研究中最有用的标签之一。在本文中，我们研究的可行性，使用个人资料图片来推断用户是否超重或不。我们表明这确实是可能的，并进一步表明，在美国肥胖率较高的县，被标记为超重的用户比例较高。从公众健康分析到个人健康分析，我们发现了行为和社交网络的差异，例如发现被标记为超重的用户拥有更少的关注者。
2016-02-23 cs.CY cs.HC
Characteristics and prevalence of fake social media profiles with AI-generated faces
Observatory on Social Media, Indiana University（印第安纳大学社会媒体观测站）；Network Science Institute, Northeastern University（东北大学网络科学研究所）
本文系统分析了Twitter上使用GAN生成人脸的虚假账号，提出基于眼睛位置一致性与人工标注的检测方法，估计其普遍性下界为0.021%-0.044%，并开源代码与数据以应对多模态生成式AI威胁。
2024-07-04 cs.AI cs.CY cs.SI
SocialCredit+
本研究提出AI驱动的SocialCredit+信用评分系统，结合公开社交数据与伊斯兰教法合规层，通过多模态分析和检索增强生成实现可解释信用评估，面向金融科技等多领域受众。
2025-06-12 cs.AI cs.CY
Tending Unmarked Graves: Classification of Post-mortem Content on Social Media
用户生成的内容是社会计算学术的核心。然而，研究人员和实践者通常假设这些用户还活着。在社交媒体中，未能考虑死亡率是一个问题，因为越来越多的个人资料代表那些已经死亡的人。识别死亡率可以使设计师更好地管理内容，支持丧亲者，并促进高质量的数据科学。基于对死后社交媒体配置文件和内容的计算语言学分析，我们报告了开发用于检测死亡率的分类器，并表明死亡率可以在死后内容的前几次出现后确定。将我们的分类器应用于其他两个平台的内容也提供了良好的结果。最后，我们讨论了模型之间的权衡，强调在这个敏感的上下文中的前与后的验尸精度。这些结果标志着在大规模确定死亡率的第一步，并显示了设计师和科学家如何在他们的工作中关注死亡率。
2019-03-22 cs.CY cs.SI
Cloned Identity Detection in Social-Sensor Clouds based on Incomplete Profiles
School of Computing Technologies, RMIT University（RMIT大学计算技术学院）；Hitachi Construction Machinery（日立建机）
针对社交传感器云中不完整档案数据下的克隆身份检测问题，提出ICD-IPD方法，通过多视图特征提取、缺失值插补及轻量梯度提升机分类，在真实数据集上优于现有方法。
2024-11-02 cs.CR cs.CY cs.LG
User Identification across Social Networking Sites using User Profiles and Posting Patterns
The University of Melbourne（墨尔本大学）；Singapore University of Technology and Design（新加坡科技设计大学）
随着在线社交网站（OSN）和移动设备的普及，人们越来越依赖各种OSN与家人和朋友保持联系，并将其用作信息来源。例如，用户可能会出于不同的目的使用多个OSN，例如使用Flickr与家人和朋友分享假日照片，使用Twitter发布有关其想法的短消息。识别多个OSN中的同一用户是一项重要任务，因为这使我们能够了解不同OSN中用户的使用模式，在用户注册新OSN时提出建议，以及各种其他有用的应用程序。为了解决这个问题，我们提出了一种基于多层感知器的算法，使用各种类型的功能，即：（i）用户简档，如名称，位置，描述;（ii）用户生成内容的时间分布;和（iii）嵌入基于用户名，真实姓名和描述。使用Twitter和Flickr数据集的用户和他们的发布活动，我们进行了实证研究，这些功能如何影响用户识别的性能在两个OSN和讨论我们的主要研究结果的基础上不同的功能。
2021-06-22 cs.CY cs.LG cs.SI
Online Privacy as a Collective Phenomenon
在线隐私问题通常被简化为在线社交网络（OSN）中隐藏或透露个人信息的个人决定。然而，随着OSN的使用越来越多，了解社交网络在披露用户没有自愿透露的个人信息方面的作用变得更加重要：我们的朋友透露了多少关于我们的私人信息，我们的隐私有多少仅仅因为在线社交互动而丢失？在没有强大的技术努力的情况下，OSN可能能够利用人类隐私特征的可识别性，这种方式使用用户选择不共享的信息构建阴影配置文件。此外，由于许多用户共享他们的电话和电子邮件联系人列表，这允许OSN为甚至没有该OSN帐户的人创建完整的影子配置文件。我们使用来自单个OSN的300多万个账户的数据，实证测试了为用户和非用户构建性取向影子档案的可行性。我们量化了来自用户社交网络的预测能力的下限，以证明性取向的可预测性如何随着网络的大小和分享个人信息的趋势而增加。这使我们能够定义一个隐私泄露因素，将个人隐私损失与其他个人披露信息的决定联系起来。我们的统计分析表明，一些人的隐私丢失的风险更高，因为预测准确性增加的用户与他们的社交网络更大，更均匀的一阶和二阶邻域。虽然我们没有提供证据表明影子配置文件存在，我们的研究结果表明，披露私人信息不仅限于个人选择，而是成为一个集体的决定，对政策和隐私监管的影响。
2014-09-22 cs.CY cs.SI
Scraping and Clustering Techniques for the Characterization of Linkedin Profiles
在线社交网络（OSN）概念出现后，网络的社会化具有新的维度。每个互联网用户都成为潜在的内容创建者，这需要管理大量数据。本文探讨了最受欢迎的职业OSN：LinkedIn。实施了一种抓取技术，以获取大约500万个公共配置文件。应用自然语言处理技术（NLP）对收集到的个人资料的教育背景进行分类，并对专业背景进行聚类，这使我们能够对OSN的用户提供一些见解，并评估教育程度和职业生涯之间的关系。
2015-05-05 cs.CY cs.IR cs.SI
Potential mass surveillance and privacy violations in proximity-based social applications
基于邻近度的社交应用程序让用户通过透露一些关于他们的偏好和行踪的信息来与当前接近他们的人进行交互。这些信息是通过被动地理定位获得的，并用于建立一种偶然发现人，地方和兴趣的感觉。不幸的是，虽然这类应用程序为城市环境中的人们提供了不同的交互可能性，但获得对某些身份信息的访问权限可能会导致可能的隐私攻击者在特定时间段内识别并跟踪用户的移动。通过该平台共享的相同信息也可以帮助攻击者将受害者的在线个人资料与物理身份联系起来。我们分析了一组流行的约会应用程序，这些应用程序在一定的半径内共享用户的相对距离，并展示了如何通过使用这些平台上共享的信息，可以正式定义一个攻击，能够识别用户的实际位置。同样的攻击也可以用来跟踪用户在一段时间内的所有活动，从而确定他们的习惯和整个城市的兴趣点。此外，我们还介绍了一种社交攻击，它使用常见的Facebook喜欢来描述一个人，并最终确定他们的真实身份。
2016-05-20 cs.CR cs.CY
Identifying Fake Profiles in LinkedIn
National University of Singapore（新加坡国立大学）；University of South Florida（南佛罗里达大学）
随着组织越来越依赖LinkedIn（最大的社交网络）等专业网络来建立业务联系，在网络中关注个人资料的价值越来越大。随着这种价值的增加，滥用网络用于不道德目的的诱惑也在增加。假配置文件对整个网络的可信度产生不利影响，并且可以在基于假信息建立连接时花费大量时间和精力。不幸的是，虚假的个人资料很难识别。已经为一些社交网络提出了一些方法;然而，这些方法通常依赖于LinkedIn个人资料不公开的数据。在这项研究中，我们确定了最小的配置文件数据集识别假的配置文件在LinkedIn，并提出了一个适当的数据采掘的方法来识别假的配置文件。我们证明，即使在有限的配置文件数据下，我们的方法也可以以87%的准确率和94%的真阴性率识别假配置文件，这与基于更大的数据集和更广泛的配置文件信息获得的结果相当。此外，与使用类似数量和类型数据的方法相比，我们的方法提供了约14%的准确性。
2020-06-02 cs.CY cs.LG cs.SI
Privacy and National Security Issues in Social Networks: The Challenges
在线社交网络正在成为互联网的一个主要增长点，因为个人、公司和政府不断希望彼此互动，互联网提供这种联网能力的能力越来越强。在本文中，我们研究了成员档案的结构和组成部分，以及参与社交网络的个人和政府所面临的隐私问题的挑战。我们还研究了它如何被用来扭曲国家安全，它如何成为大规模动员的新武器，以及社交网络如何成为革命和社会正义的凝聚力。
2014-02-13 cs.CY cs.SI
Large Language Models as Implicit Sociological Models: Reconstructing Voting Behaviour from Sociodemographic Profiles
Institute of Computer Science, Czech Academy of Sciences（捷克科学院计算机研究所）；Faculty of Arts, Charles University（查理大学艺术学院）
本研究提出将大型语言模型作为隐含社会学模型的方法论框架，以2021年捷克议会选举为案例，证实其可从社会人口统计特征重建投票行为，为计算社会科学提供新探索工具并明确其局限。
2026-08-18 cs.CL cs.CY cs.LG
What your Facebook Profile Picture Reveals about your Personality
California Institute of Technology（加州理工学院）；University of Trento（特伦托大学）；CIMEC - University of Trento（心智/脑科学中心 - 特伦托大学）；Stanford University（斯坦福大学）；University of Cambridge（剑桥大学）；University of Verona（维罗纳大学）；FBK（布鲁诺·凯斯勒基金会）
人们花了相当大的精力来管理他们给别人的印象。社会心理学家已经表明，人们根据自己的个性来管理这些印象。Facebook和其他社交媒体为这一基本过程提供了一个新的论坛;因此，了解人们在社交媒体上的行为可以提供关于他们个性的有趣见解。在本文中，我们研究了从Facebook的个人资料图片的自动人格识别。我们分析了四个家庭的视觉功能的有效性，我们讨论了一些人类可解释的模式，解释个人的个性特征。例如，外向的人和随和的人倾向于有暖色的照片，并在他们的肖像中展示许多面孔，反映了他们的社交倾向;而神经质的人则普遍有室内场所的照片。然后，我们提出了一种分类方法来自动识别这些视觉特征的人格特质。最后，我们将我们的分类方法的性能与人类评分员获得的性能进行了比较，我们发现基于计算机的分类比平均基于人类的外向性和神经质分类更准确。
2017-08-13 cs.CV cs.CY cs.MM
On Content-Based Recommendation and User Privacy in Social-Tagging Systems
基于注释和评级的推荐系统和内容过滤方法基本上依赖于用户通过他们的动作表达他们的偏好和兴趣，以便提供个性化内容。这种用户集体参与的活动被称为社会标签。虽然它为语义Web上的应用程序互操作性开辟了无数新的可能性，但它也带来了新的隐私威胁。社交标签包括通过使用自由文本标签（即标签）来描述在线或在线资源，因此将用户的个人资料和活动暴露给隐私攻击。标签伪造是一种隐私增强技术，包括为不反映用户实际偏好的类别或资源生成标签。标签伪造通过修改用户的个人资料，可能会对推荐系统的质量产生负面影响，从而在一定程度上保护用户隐私，但代价是效用损失。因此，标签伪造对基于内容的推荐的影响，在现实世界中的应用场景中，不同的伪造策略进行评估，并测量和比较随之而来的效用损失。
2016-05-20 cs.CR cs.CY cs.IR
Word Embeddings to Enhance Twitter Gang Member Profile Identification
Wright State University（莱特州立大学）
帮派成员加入了使用社交媒体公开分享思想和行动的群众。有趣的是，他们利用这种公共媒介来表达最近的非法行为，恐吓他人，并分享令人愤慨的图像和言论。因此，能够挖掘这些特征的机构可能能够预测、阻止或加快对与帮派有关的犯罪的调查。本文研究了使用词嵌入来帮助识别Twitter上的帮派成员。在我们以前的工作的基础上，我们生成了词嵌入，将Twitter用户在其个人资料描述，推文，个人资料图像中发布的内容以及链接的YouTube内容转换为适合机器学习分类的真实矢量格式。我们的实验结果表明，预先训练的词嵌入可以提高监督学习算法在帮派成员社交媒体帖子上训练的准确性。
2016-10-27 cs.CL cs.CY cs.IR
Analyzing Social and Stylometric Features to Identify Spear phishing Emails
Indraprastha Institute of Information Technology, Delhi（德里英德拉普拉斯塔信息技术学院）；Symantec Research Labs（赛门铁克研究实验室）
鱼叉式网络钓鱼是一种复杂的有针对性的攻击，攻击者在攻击之前收集有关受害者的信息。然后，这些信息被用来创建复杂的、看起来像黑客的攻击向量，吸引受害者泄露机密信息。鱼叉式网络钓鱼的不同之处在于，受害者的上下文信息比普通网络钓鱼更强大。在线社交媒体服务可以成为收集个人重要信息的来源之一。在本文中，我们的特点和研究的鱼叉式网络钓鱼，垃圾邮件，和正常的网络钓鱼电子邮件赛门铁克的企业电子邮件扫描服务的真正积极的数据集。然后，我们提出了一个模型来检测鱼叉式网络钓鱼电子邮件发送给14个国际组织的员工，通过使用从LinkedIn提取的社交功能。我们的数据集包括发送给2，434名受害者的4，742封有针对性的攻击电子邮件和发送给5，912名非受害者的9，353封非有针对性的攻击电子邮件;以及来自他们LinkedIn个人资料的公开信息。我们将各种机器学习算法应用于这些标记数据，并在识别鱼叉式网络钓鱼电子邮件方面实现了97.76%的整体最高准确率。我们使用了LinkedIn个人资料中的社交特征，以及从电子邮件主题、正文和附件中提取的风格特征。然而，在没有社交功能的情况下，我们实现了98.28%的准确率。我们的分析显示，从LinkedIn中提取的社交功能无助于识别鱼叉式网络钓鱼电子邮件。据我们所知，这是第一次尝试利用从电子邮件中提取的样式特征和从在线社交网络中提取的社交特征的组合来检测有针对性的鱼叉式网络钓…
2014-06-14 cs.CY cs.LG cs.SI
Analysis of a heterogeneous social network of humans and cultural objects
现代在线社交平台使其成员能够参与广泛的活动，如交友，加入群组，发布/评论资源等。在本文中，我们研究了用户可以参与的不同活动之间是否存在相关性。为了进行我们的分析，我们专注于aNobii，这是一个拥有全球图书读者用户群的社交平台，他们喜欢发布他们的阅读，给出评级，评论书籍并与朋友和其他读者讨论。aNobii呈现了一种异构结构：i）部分社交网络，具有用户对用户的交互，ii）部分兴趣网络，具有图书收藏的管理，以及iii）部分大众分类法，具有由用户标记的图书。我们分析了aNobii的一个完整的匿名快照，我们专注于用户可以执行的三个特定活动，即她的标记行为，她加入群组的倾向以及她编写愿望清单报告她计划阅读的书籍的能力。以这种方式，每个用户与基于标签、基于组和基于意愿列表的简档相关联。通过信息论工具（如熵和互信息）进行的实验分析表明，基于标签和基于组的配置文件通常比基于愿望列表的配置文件信息量更大。此外，我们发现，与同一用户相关联的三个配置文件之间的相关度往往是小的。因此，用户分析不能简化为只考虑任何一种类型的用户活动（尽管很重要），但关键是要纳入多个维度来有效地描述用户的偏好和行为。
2014-02-07 cs.CY cs.SI physics.data-an
A Dynamical Model of Twitter Activity Profiles
大数据时代的到来使许多研究人员能够深入研究各种社会技术系统，包括社交媒体平台。特别是，这些系统为他们提供了某些可验证的手段来研究人类行为的某些方面。在这项工作中，我们特别感兴趣的是社交媒体平台上个人的行为--他们如何处理所获得的信息以及如何分享信息。我们研究Twitter以了解用户发布活动背后的动态--推文和转发--放大热门话题。考虑了三种机制：内源性刺激，外源性刺激，以及一种机制，它决定了人口的兴趣衰减的主题。我们提出了一个模型，其中包含两个参数$η^\star$和$λ$，用于描述用户的推文行为，这使我们能够重建Lehmann等人（2012）关于流行Twitter主题标签的时间分布的研究结果。有了这个模型，我们能够准确地再现Twitter上用户参与的时间概况。此外，我们介绍了一种替代分类的集体活动的社会技术系统的基础上的模型。
2015-08-28 cs.CY cs.HC cs.SI
