Political advertisement on Facebook and Instagram in the run up to 2022 Italian general election
在线社交平台上的定向广告在政治营销工具包中变得越来越重要。监测政治广告对于确保民主进程的问责制和透明度至关重要。利用赞助内容的Meta公共图书馆，我们研究了在2022年意大利大选之前，Facebook和Instagram上投放政治广告的程度。分析超过2.7 K独立赞助商支付的23 K独立广告，相关金额为4 M欧元，产生的浏览量超过10亿次，我们调查了主要联盟的政治竞选活动的时间，地理和人口模式。我们发现的结果是根据他们的政治议程和选举结果，强调如何最活跃的联盟也获得了大部分的选票，并显示区域差异是一致的（目标）每个团体的政治基础。我们的工作引起了人们对进一步研究数字广告及其对个人意见和选择的影响的关注。
2023-02-08 cs.CY cs.SI
How Algorithms Shape the Distribution of Political Advertising: Case Studies of Facebook, Google, and TikTok
在线平台通过影响向选民传播政治信息，在塑造民主方面发挥着越来越重要的作用。近年来，政治竞选活动在平台的算法工具上投入了大量资金，通过在线广告瞄准选民。虽然公众对了解平台如何履行塑造政治话语的任务的兴趣从未如此之高，但主要平台为了解其做法而进行必要披露的努力却少得可怜。在这项研究中，我们收集和分析了一个数据集，其中包含来自Facebook、谷歌和TikTok的关于2020年美国总统大选的80多万个广告和250万个视频。我们对公共数据进行了首次大规模数据分析，以批判性地评估这些平台如何放大或缓和政治广告的传播。最后，我们提出了如何改善披露的建议，以便公众能够追究平台和政治广告商的责任。
2022-07-13 cs.CY cs.HC cs.SI
On Microtargeting Socially Divisive Ads: A Case Study of Russia-Linked Ad Campaigns on Facebook
定向广告是为了提高广告客户与其客户的匹配效率。然而，有针对性的广告也可能被恶意广告商滥用，以有效地接触到容易受到虚假故事影响的人，引发不满并煽动社会冲突。由于定向广告不会被非定向和非脆弱人群看到，因此恶意广告可能不会被报告，其影响也不会被发现。这项工作研究了恶意广告的具体案例，探讨了俄罗斯情报研究局（IRA）在2016年美国大选之前运行的政治广告在多大程度上利用Facebook的定向广告基础设施来有效地针对分裂或两极分化的主题（例如，移民、基于种族的治安）。具体而言，我们做了以下工作：（a）我们进行美国人口普查代表性调查，以描述具有不同政治意识形态的用户如何报告，批准和感知IRA广告内容的真实性。我们的调查显示，许多广告都是“分裂性的”：它们从属于不同社会显著群体的人那里引发了非常不同的反应。(b)我们描述了这些分裂性广告是如何针对那些对现状感到特别不满的亚人群的。我们的研究结果支持现有的呼吁，即提高内容的透明度和政治广告的针对性。(c)我们特别关注Facebook广告API如何促进这种定位。我们展示了Facebook如何收集大量关于用户的个人数据并提供给广告商，从而实现这种恶意定位。
2018-11-21 cs.SI
An Analysis of United States Online Political Advertising Transparency
2018年夏天，Facebook、谷歌和Twitter制定了政策，并实施了透明档案，其中包括在其平台上运行的美国政治广告。通过对130多万个含有政治内容的广告的分析，我们展示了不同类型的政治广告商如何使用Facebook、谷歌和Twitter的广告平台传播美国的政治信息。我们发现，这些档案中包含政治内容的广告总共产生了86.7亿至338亿次展示，赞助商在美国政治内容广告上花费了超过3亿美元。我们能够更好地了解这些平台上的政治广告商。我们还发现了大量的准营利性媒体公司的广告，这些公司似乎存在的唯一目的是创建专注于传播政治信息的欺骗性在线社区，而不是直接产生利润。这类团体的广告是一个相对较新的现象，由于与传统广告平台相比监管要求较低，在线平台上的广告似乎蓬勃发展。通过收集和分析这些数据的尝试，我们发现存在许多限制和弱点，这些限制和弱点使得故意或意外的欺骗和绕过这些透明度档案的当前实施。我们提供了一些建议，如何使这些档案更加强大和有用。总的来说，Facebook、谷歌和Twitter的这些努力提高了平台上诚实的、在某些情况下可能是不诚实的广告商的政治广告透明度。我们感谢这些公司的人，他们建立了这些档案，并继续改进它们。
2019-02-12 cs.SI
CanaryTrap: Detecting Data Misuse by Third-Party Apps on Online Social Networks
在线社交网络支持一个充满活力的第三方应用生态系统，这些应用可以访问大量用户的个人信息。尽管最近发生了几起备受瞩目的事件，但缺乏系统地检测在线社交网络上第三方应用程序滥用数据的方法。我们建议使用CanaryTrap来检测与第三方应用程序共享的数据的滥用。CanaryTrap将一个honeytoken关联到一个用户帐户，然后在与第三方应用程序共享后通过不同的渠道监控其未被识别的使用。我们设计并实现了CanaryTrap，以调查Facebook上与第三方应用程序共享的数据的滥用。具体而言，我们通过安装第三方应用程序，将与Facebook帐户关联的电子邮件地址作为蜂蜜令牌共享。然后，我们监控收到的电子邮件，并使用Facebook的广告透明度工具来检测任何未识别的共享蜂蜜令牌使用。我们部署CanaryTrap来监控1，024个Facebook应用程序，发现了多起滥用Facebook上与第三方应用程序共享的数据的案例，包括勒索软件，垃圾邮件和定向广告。
2020-06-29 cs.CY cs.SI
Systematic discrepancies in the delivery of political ads on Facebook and Instagram
本研究基于2021年德国联邦选举期间Meta平台8万余条政治广告数据，分析社交媒体定向政治广告的分布、投放受众偏差及低成本高触达策略，发现算法投放存在系统性差异，更青睐民粹主义政党广告。
2024-06-24 cs.SI
Polarization Rank: A Study on European News Consumption on Facebook
万维网的出现改变了我们生产和获取信息的方式。最近的研究表明，用户倾向于选择与他们的信仰体系相一致的信息，围绕着共同的叙述形成了由志同道合的人组成的两极分化的群体，而不同的信息则被忽略了。在这种环境下，用户合作构建和加强他们的共享叙事，使任何揭穿效率低下的尝试。这种配置甚至发生在在线新闻消费中，考虑到63%的用户直接从社交媒体获取新闻，一种假设是，更多的两极分化允许进一步传播错误信息。沿着这条道路，我们关注不同欧洲国家（意大利，法国，西班牙和德国）Facebook新闻媒体用户的两极分化。首先，我们比较了不同国家的页面发布行为和用户交互模式，并观察不同的发布，喜欢和评论率。其次，我们探索用户与不同页面交互的趋势（即，选择性曝光）以及围绕特定页面产生的两极分化社区的出现。然后，我们引入一个新的度量--即，极化等级--衡量每个国家社区的极化程度。我们发现，意大利是最两极分化的国家，其次是法国，德国和西班牙。最后，我们提出了一个变化的有界置信度模型来模拟这些社区的出现，考虑用户的参与和信任的新闻。我们的研究结果表明，在信息传播的信任起着关键作用，对两极分化的用户在线。
2018-05-21 cs.SI
Unique on Facebook: Formulation and Evidence of (Nano)targeting Individual Users with non-PII Data
个人的隐私受到第三方透露其身份的能力的限制。某些数据项，如护照ID或移动电话号码，可用于唯一地识别一个人。这些被称为个人身份信息（PII）项目。以前的文献还报道，在包括数百万用户的数据集中，几个非PII项目的组合（单独不足以识别个体）可以唯一地识别数据集中的个体。在本文中，我们定义了一个数据驱动的模型来量化用户的兴趣数量，使他们在Facebook上独一无二。据我们所知，这是第一次在世界人口规模上研究个人的独特性。此外，用户的兴趣是可操作的非PII项目，可用于定义广告活动并向Facebook用户提供定制广告。我们通过21个Facebook广告活动进行了一个实验，目标是本文的三位作者，以证明如果广告商知道用户的足够兴趣，Facebook广告平台可以被系统地利用来专门向特定用户提供广告。我们将这种做法称为纳米靶向。最后，我们讨论了与nanotargeting相关的有害风险，如心理说服，用户操纵或勒索，并提供易于实施的对策，以防止基于nanotargeting活动的攻击Facebook。
2021-10-16 cs.CY cs.SI
Migration patterns, friendship networks, and the diaspora: the potential of Facebook Social Connectedness Index to anticipate displacement patterns induced by Russia invasion of Ukraine in the European Union
乌克兰的冲突正在欧洲和世界上造成大规模流离失所。根据联合国难民事务高级专员办事处（难民署）的估计，截至2022年9月5日，已有700多万人逃离该国。在这种情况下，预测这些人的流动方向极为重要，以便国家和地方当局能够更好地应对与他们的接收和融入有关的挑战。这项工作表明，来自社交媒体的创新数据如何能够提供有关冲突引起的移徙流动的有用见解。特别是，我们探讨了Facebook的社会连通性指数（SCI）的潜力，用于预测在乌克兰战争的背景下的移民流动，建立在以前的研究结果，侨民网络的存在是主要的移民驱动力之一。为此，我们首先评估了乌克兰侨民与登记为临时保护或类似国家计划的乌克兰难民数量之间的关系，作为移民流入欧盟的代理人。我们发现两者之间存在非常强的相关性（Pearson's r=0.94，p<0.0001），这表明侨民正在吸引逃离战争的人们，他们往往会接触到自己的同胞，特别是在乌克兰移民的国家。最近才出现这种现象。其次，我们将Facebook的SCI与欧洲地区层面的散居者官方数据进行了比较。我们的研究结果表明，该指数，以及其他现成的协变量，是一个强大的预测乌克兰侨民在区域范围内。最后，我们讨论了Facebook的SCI的潜力，提供及时和空间上的详细信息，这些信息可能会丢失或过时的国家的人类散居，并补充官方统计数据，在冲突期间快速的政策反应。
2022-12-15 cs.SI physics.soc-ph
Measuring, Characterizing, and Detecting Facebook Like Farms
社交网络提供了无缝接触大量受众的便捷方式。特别是，企业、品牌和组织越来越多地使用Facebook页面与全球众多用户联系。随着一个页面的点赞数量已经成为衡量其受欢迎程度和盈利能力的一个事实上的标准，一个人工夸大页面点赞的地下服务市场，也就是农场，已经与Facebook的官方定向广告平台一起出现。尽管如此，很少有工作，系统地分析Facebook页面的推广方法。为了填补这一空白，我们提出了一个基于蜜罐的比较测量研究的页面喜欢通过Facebook广告和流行的农场。首先，我们根据人口统计学、时间和社会特征分析了喜欢，发现一些农场似乎是由机器人操作的，并没有真正试图隐藏其操作的性质，而另一些农场则采用了更隐蔽的方法，模仿普通用户的行为。接下来，我们研究了Facebook目前部署的欺诈检测算法，并表明它们不能很好地检测到那些在较长时间内传播喜欢的秘密农场，并喜欢流行的页面来模仿普通用户。为了克服它们的局限性，我们研究了基于时间轴的检测类似农场账户的可行性，重点是将Facebook账户在其时间轴上生成的内容作为真实与虚假社交活动的指标。我们分析了一系列的功能，分为两个主要类别：词汇和非词汇。我们发现，与普通用户相比，农场账户倾向于重新分享内容，使用更少的单词和更差的词汇，并且更经常产生重复的评论和喜欢。使用相关的词汇和非词汇特征，我们构建了一个分类器来检测类似的农场账户，其准确率高于99%，召回率…
2017-07-04 cs.CR cs.SI
Studying Migrant Assimilation Through Facebook Interests
移民的同化是欧洲社会面临的一个重大挑战，部分原因是近年来难民的突然激增，部分原因是长期的人口趋势。在本文中，我们使用Facebook的广告数据来研究德国阿拉伯语移民的同化程度，正如他们在网上表达的兴趣所看到的那样。我们的研究结果表明，沿人口线，语言和原籍国的同化梯度。鉴于及时收集移民数据的困难，特别是与文化同化相关的特征，我们开发的方法和我们提供的结果开辟了计算社会科学家能够很好地解决的新的研究领域。
2018-08-31 cs.SI
How Biased is the Population of Facebook Users? Comparing the Demographics of Facebook Users with Census Data to Generate Correction Factors
世界各地的人口普查是指导政府投资和公共政策的关键数据来源。然而，这些来源的获取非常昂贵，而且收集的频率相对较低。在过去的十年中，人们对使用社交媒体数据来补充传统数据源的兴趣越来越大。然而，社交媒体用户并不代表一般人群。因此，基于社交媒体数据的分析需要进行统计调整，如后分层，以消除偏见并提出可靠的统计主张。只有当我们掌握了人口统计群体使用社交媒体的频率信息时，这些调整才有可能。这些数据与官方统计数据相比，使研究人员能够得出适当的统计校正系数。在本文中，我们利用Facebook的广告平台来编译相当于Facebook用户的聚合级普查。我们的汇编包括美国不同地理水平的七个人口统计属性（如性别和年龄）的人口分布。通过将Facebook的统计数据与美国人口普查局和盖洛普提供的官方报告进行比较，我们发现了非常高的相关性，特别是在政治倾向和种族方面。我们还发现了官方统计可能低估人口数量的情况，如移民情况。我们使用收集的信息来计算所有计算属性的偏差校正因子，以评估不同人口统计群体在Facebook上或多或少的代表程度。我们提供了第一个全面的分析，以评估Facebook用户在多个维度上的偏见。这些信息可用于在官方统计数据发布之间及时生成经偏差调整的人口估计数和人口统计数，并具有精细的地理粒度
2020-05-16 cs.SI
Facebook Ads as a Demographic Tool to Measure the Urban-Rural Divide
在全球城市化的进程中，确保留在农村地区的人在发展和政策考虑方面不落后，是世界各国政府的优先事项。然而，追踪有关这一人口稀少、地理分散的重要统计数据越来越具有挑战性，导致缺乏可靠的最新数据。在这项研究中，我们研究了Facebook广告平台的有用性，该平台提供了超过20亿用户的数字“普查”，以衡量潜在的城乡不平等。我们关注意大利，一个大约30%的人口生活在农村地区的国家。首先，我们表明Facebook产生的人口统计数据在时间上不稳定，人口稀少的城市覆盖不完整。为了克服这种限制，我们提出了一种替代方法来估计Facebook广告受众，将农村城市的覆盖率从19%提高到55%，并进行可行的细粒度子人群分析。使用官方的全国人口普查数据，我们评估了我们的方法，并确认了在教育程度和收入方面已知的重大城乡差距。将分析扩展到Facebook特定的用户“兴趣”和行为，我们提供了关于鸿沟的进一步见解，例如，发现农村地区对赌博表现出更高的兴趣。值得注意的是，我们发现，农村地区收入的最具预测性的特征与城市中心不同，这表明研究人员在研究农村福祉时需要考虑更广泛的属性。这项研究的结果表明，有必要改进现有的工具和方法，将代表性不足的人口纳入数字人口研究-如果不这样做，可能会导致误导性的观察，结论，最重要的是，政策。
2020-02-26 cs.CY cs.SI physics.soc-ph
TRAP: using TaRgeted Ads to unveil Google personal Profiles
在过去的十年中，广告市场在网络和移动应用系统中显着蔓延。它的有效性也是由于有可能针对实际用户的具体利益的广告，而不是托管广告的网站的内容。在这种情况下，成为具有很大价值的服务，收集，因此可以提供有关浏览用户的信息，如Facebook和谷歌。在本文中，我们将展示如何恶意利用谷歌定向广告系统来推断谷歌用户简档中的个人信息。特别是，我们认为攻击来自Google外部，并依赖于将Google AdWords的数据与从Google Display Network网站收集的其他数据相结合。我们验证了我们提出的攻击的有效性，也讨论了可能的应用场景。我们的研究结果表明，这种类型的有针对性的广告服务背后的一个重要的实际隐私问题，并呼吁进一步调查和设计更多的隐私意识的解决方案，可能不会阻碍目前的商业模式参与在线广告。
2015-10-14 cs.CR cs.CY cs.SI
Automatically Identifying Political Ads on Facebook: Towards Understanding of Manipulation via User Targeting
俄罗斯干预2016年美国大选的报道引起了公众的关注，人们担心外国行为者有能力增加社会不和谐，并利用个人用户数据达到政治目的。它提出了一些问题，即数据可用于创建心理特征的方式和程度，以确定什么样的广告最能有效地说服特定地点的特定人参加某种政治活动。在这项工作中，我们研究了美国非营利新闻编辑室ProPublica在2018年美国中期选举前使用志愿者网络收集的政治广告数据集。我们首先描述数据的主要特征，并通过一系列交互式插图探索用户属性，包括年龄，地区，活动等。此外，通过用户定位来了解政治操纵的重要第一步是识别与政治相关的广告，但由于社交媒体广告的规模，手动检查广告是不可行的。因此，我们解决了政治和非政治广告之间的自动分类的挑战，展示了显着的改进相比，ProPublica使用的当前基于文本的分类器，并研究用户定位属性是否有利于这项任务。我们的评估揭示了一些问题，例如用户属性如何用于政治广告定位，以及哪些用户更容易成为政治广告的目标。总的来说，我们对数据探索、政治广告分类和目标属性的初步分析的贡献，旨在支持ProPublica数据集的未来工作，特别是关于通过用户目标来理解政治操纵。
2020-04-21 cs.SI
Smart Advertisement for Maximal Clicks in Online Social Networks Without User Data
在线社交网络平台上广告的点击率（CTR）预测以优化广告是非常感兴趣的。之前的工作建立了机器学习模型，在训练方面采取以用户为中心的方法-主要使用用户数据来分类用户是否会点击广告。虽然这种方法已被证明是有效的，但大多数实体无法使用，并且严重依赖用户数据。为了适应这一点，我们首先考虑Facebook上的大量广告数据，并使用自然语言处理（NLP）来提取我们称之为概念节点的关键概念。为了预测概念节点组合的CTR值，我们使用广告数据来训练四个机器学习（ML）模型。然后，我们将找到概念节点的最佳组合的问题作为一个优化问题。给定一定的预算$k$，我们感兴趣的是找到最大化CTR的概念节点的最佳组合。讨论的硬度和可能的NP-硬度的优化问题。然后，我们提出了一个贪心算法和一个遗传算法找到接近最优的概念节点的组合在多项式时间，与遗传算法接近匹配的最优解。我们观察到，决策树回归和随机森林回归表现出最高的皮尔逊相关系数w.r.t.点击预测和实际点击值。此外，我们发现，“政治”，“名人”和“组织”的概念节点是显着更有影响力的比其他考虑的概念节点。
2020-09-16 cs.SI
Local Privacy Laws in a Globalized World
New Jersey Institute of Technology（新泽理工学院）；Colorado State University（科罗拉多州立大学）；University of Calgary（卡尔加里大学）；Stony Brook University（石溪大学）
本文通过统一抽象多国数据保护法的异构要求，并分析其对用户、组织和政府的影响，旨在拓宽数字隐私研究视角，为跨国技术隐私解决方案提供指导原则。
2026-05-27 cs.CR cs.CY cs.ET
