Bots sociais: implicações na segurança e na credibilidade de serviços baseados no Twitter

Cada vez mais, dados extraídos de redes sociais são utilizados para a construção de novas aplicações e serviços, como plataformas para monitoramento de trânsito, identificação de surtos epidêmicos, bem como várias outras aplicações associadas à criação de cidades inteligentes, por exemplo. Entretanto, tais serviços são vulneráveis a ataques de bots - contas automatizadas - que buscam adulterar estatísticas de percepção pública postando um excessivo número de mensagens geradas automaticamente. Bots podem invalidar diversos serviços existentes, o que torna crucial entender as principais formas de ataque, bem como buscar mecanismos de defesa. Este trabalho apresenta uma ampla caracterização do comportamento de bots no Twitter. A partir de uma base de dados real contendo 19.115 bots, foram identificadas diversas características dos bots, extraídas de padrões de comportamento e de escrita de texto, que possuem alto poder discriminativo. A partir dessas características, apresentamos um método de detecção automática de bots capaz de detectar 92% deles, enquanto menos de 1% dos usuários reais são classificados erroneamente. Finalmente, realizamos um estudo sobre quais características tornam os bots mais bem sucedidos em tarefas de infiltração. Para isso, foram criados 120 socialbots no Twitter. Durante 30 dias monitoramos seu comportamento e todas suas interações com usuários da rede, assim como com 600 usuários-alvo. Durante esse período nossos bots interagiram 5.966 vezes com 2.637 usuários do Twitter.More and more, data extracted from social networks is used to build new applications and services, such as traffic monitoring platforms, identification of epidemic outbreaks, as well as several other applications related to the creation of smart cities, for example. However, such services are vulnerable to attacks from bots - automatized accounts - seeking to tamper statistics of public perception posting an excessive number of messages generated automatically. Bots can invalidate many existing services, which makes it crucial to understand the main forms attacks and to seek defense mechanisms. This work presents a wide characterization of the behavior of bots on Twitter. From a real data set containing 19,115 bots, several characteristics of bots were identified, extracted from behavior and writing patterns, that have discriminative power. From these features, we present an automatic detection method capable to detect 92% of the bots while only less than 1% of real users are misclassified. In addition, we conducted a study on which characteristics makes a bot most successful in infiltration tasks. For this study we created 120 socialbots on Twitter. During 30 days we monitored their behavior and interactions with all network users, as well as 600 target users. During this period our bots had 5,966 interactions with 2,637 Twitter users