摘要

最近随着对抗性方法的传播，一种新型的时间方法正在出现：专门操纵样本来得到更健壮的检测模型。我们提出来一个基于遗传算法的检测账号的方法。结果表明，生成出的机器人真的可以逃避当前的检测技术。

介绍

对抗性学习方法的出现，使得能够提前揭示方法的脆弱性，同时测试算法技术，从而产生更加鲁棒性的学习方法。本文的核心目标是操纵目标检测样本，来产生更强的检测模型。本文的目标就是解答三个关键性，没有被探索的问题

• 能不能开发一个分析框架来模拟机器人进化
• 能不能使用这个框架来生成新一代机器人，并且这些生成的进化机器人能否规避当前先进方法的检测。
• 能不能用主动性和对抗性的思路的研究来改善当前的检测技术。

本文的方法

使用来数字DNA检测技术来回答上述3个问题，数字dna建模技术详情请见：DNA社交指纹这篇文章。自定义的遗传算法迭代的选择最好的进化子代，从而使种群向与人类账户更加相似的行为进化。

本文贡献

• 提出来GENBOT，为社交机器人检测而设计的新奇的遗传算法。通过设计一个损失函数来量化一代机器人和一组正常账号的差异性。GENBOt能够产生与人类账号在时间线上的行为相似的DNA序列。
• 讨论设计一个分析框架同时应用DNA建模和遗传算法来模拟社交机器人可能的进化方向，使用本框架进行实验并目标产生一些对抗性样本
• 我们使用三个先进的检测算法来评估我们的方案
• 通过学习这些对抗性样本产生的机器人的行为，分析还可以如何赶紧我们的检测方法。

方法的延展

虽然本文的方法使用DNA对时间线行为进行建模，并且也用DNA分析解决方案来实现对抗性方法思路的一种，也可以考虑其他的方法来实现这种思路。

背景和符号定义

数字DNA建模和数字DNA序列的相似性

详情请见DNA社交指纹这篇文章。

距离度量

LCS曲线可以代表一组用户的行为相似性，同时可以用LCS曲线下面积来计算整组之间的相似性。并且可以用下面公式进行计算。

LCS曲线下面积计算公式

遗传算法

本文与标准遗传算法不同的是，本文指的一代种群中的个体是一组用户，一个种群里由不同的用户组成。

本文符号如下：

符号解释

新奇的模拟机器人进化的算法

适应度，变异，交叉的定义

适应度

本文的场景中的适应度就是，一组用户，也就是本文中代指的个体与一组人类账户的行为及其相符。目标就是最小化两组用户LCS曲线的距离。同时使用KL散度来计算两个LCS曲线的具体，（KL散度请见KL散度)，本文使用的变体公式如下：

KL散度公式
变体公式
Px(x)是从人类账户中观察到到分布。另一个是用来代替到机器人分布。

变异

由于人类账户中更倾向于发推特，所以A（tweet）->C或C的概率小，反过来概率更大，输入是一代个体，输出是变异后的一代个体。

变异算法

交叉

并且本文中定义来三种交叉。本文中的个体是一组用户账号，所以组交叉就是将两组用户进行混合，产生下一代个体。

组交叉操作

用户级交叉操作就是将两个用户的DNA序列进行交换。同时还有一个逆用户级交叉操作，就是先逆排序一个父亲序列，然后在进行用户级交叉操作，这个能大大提升变异效果。

用户记交叉操作
用户级交叉操作算法

GENBot算法

每轮迭代都是利用变异和交叉操作来获取新一代的机器人账户。首先对种群应用变异操作。然后对种群中的个体运用组交叉操作。然后再对个体中的固定数目的账户进行逆用户级交叉操作，最后在进行用户级交叉操作。再进行下一轮迭代。

genbot算法

实验设置

数据集

数据集由3474个人类账户组成，并且每个用户都简单都回答了问题。

实验设置

使用C++实现都代码，并且使用GLCR工具实现最长通用子串问题。DNA序列长度是2000。每一代有30个个体，迭代20000轮。第一代的个体，前1000位置都用A填充，其他500各用C和T填充。变异概率为0.0002。逆用户交叉操作数目是2，用户交叉操作是12。

结果

实验结果图

与已有的技术进行对比，发现以前的方法在LCS头部的位置拟合的不是很好，本方法在尾部拟合的不是很好，原来的方法是由于重采样造成来一部分这种效果。如图5，并且也用AUC评价指标进行来对比，如表1。

规避检测

同时我们感兴趣当前最新的检测检测技术能不能检测进化的机器人。所以将进化机器人与人类用户混合，对比混合组与只有人类组的LCS曲线如图6，发现拟合的比较不错，从而能够逃避表4中提到的检测方法了。

通用性检测

将人类账户分成两组每组都只有原来的50%，然后进化生成机器人，然后在进行分析，发现分别生成的机器人也能分别拟合不同用户组的行为，同时也对比了评价指标。并且计算了人类账号分布和机器人账号分布的KL散度如表5，说明通用性也是有的。

如何改变当前的检测技术

不同序列的香农熵

虽然生成的机器人的DNA序列一定程度上能规避原有方法的检测，但是对序列进行熵检测，发现机器人序列的熵要更大一些，因为机器人序列更加无序，而人类序列是有一部分规律，以及有一定的无序的。从而可以在规律检测上面增加我们方法的检测，提高鲁棒性。

讨论

回答问题一

能够将建模行为的DNA序列喂入GENBOt方法，来产生进化的机器人

回答问题二

通过实验，确实证明了，能够通过Genbot方法生成一些与人类账号建模的DNA相似的机器人从而规避了检测。

回答问题三

可以通过一些其他的行为分析，来增强检测系统的稳定性。比如机器人序列的熵更大等等角度。

总结自--Cresci等, 《Better Safe Than Sorry》.