Inferência Automática de Credibilidade de Sítios Web: Características de Domínio e Geolocalização para o Combate às Notícias Falsas
Resumo
A avaliação da credibilidade de sítios web que propagam notícias é uma atividade crítica no combate à desinformação. Sítios web de baixa confiabilidade são por vezes apontados como a origem das notícias falsas propagadas e amplificadas em redes sociais. Este artigo propõe uma avaliação automática da credibilidade dos sítios web, sem a necessidade de varredura de todo o conteúdo do sítio. Diferente de trabalhos anteriores que focam nas redes sociais, este artigo utiliza características publicamente disponíveis dos sítios web, como as características do domínio, geolocalização e do certificado TLS, para identificar sítios web confiáveis e não confiáveis, usando técnicas de aprendizado de máquina supervisionado. O artigo propõe um modelo de aprendizado supervisionado e consolida um conjunto de dados de sítios confiáveis e não confiáveis. O modelo foi treinado e avaliado com dados disjuntos e foi possível identificar de forma eficaz, com precisão maior que 75%, sítios web confiáveis e não confiáveis, contribuindo para combate à disseminação de notícias falsas e de desinformação.
Referências
Ahammad, S. H., Kale, S. D., Upadhye, G. D., Pande, S. D., Babu, E. V., Dhumane, A. V. e Bahadur, M. D. K. J. (2022). Phishing url detection using machine learning methods. Advances in Engineering Software, 173:103288.
Al-Shehari, T. e Alsowail, R. A. (2021). An insider data leakage detection using one-hot encoding, synthetic minority oversampling and machine learning techniques. Entropy, 23(10):1258.
Alkawaz, M. H., Steven, S. J., Hajamydeen, A. I. e Ramli, R. (2021). A comprehensive survey on identification and analysis of phishing website based on machine learning methods. Em 2021 IEEE 11th IEEE Symposium on Computer Applications & Industrial Electronics (ISCAIE), p. 82–87. IEEE.
Baly, R., Karadzhov, G., Alexandrov, D., Glass, J. e Nakov, P. (2018). Predicting factuality of reporting and bias of news media sources. arXiv preprint arXiv:1810.01765.
Cordeiro, A., de Oliveira Sampaio, J. e Ruback, L. (2020). Fakespread: Um framework para análise de propagação de fake news na web. Em Anais do XI Workshop sobre Aspectos da Interação Humano-Computador Para a Web Social, p. 9–16. SBC.
Couto, J. M., Reis, J. C., Cunha, Í., Araújo, L. e Benevenuto, F. (2022). Caracterizando websites de baixa credibilidade no Brasil. Em Anais do XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, p. 503–516. SBC.
de Oliveira, N. R., Pisa, P. S., Lopez, M. A., de Medeiros, D. S. V. e Mattos, D. M. F. (2021). Identifying fake news on social networks based on natural language processing: Trends and challenges. Information, 12(1).
Do Xuan, C., Nguyen, H. D. e Tisenko, V. N. (2020). Malicious url detection based on machine learning. International Journal of Advanced Computer Science and Applications, 11(1).
Fisher, T. (2023). What are hops & hop counts?: What is a hop and why is it an important piece of information?
Hua, J., Cui, X., Li, X., Tang, K. e Zhu, P. (2023). Multimodal fake news detection through data augmentation-based contrastive learning. Applied Soft Computing, 136:110125.
Mahajan, R. e Siddavatam, I. (2018). Phishing website detection using machine learning algorithms. International Journal of Computer Applications, 181(23):45–47.
Nemer, D. (2020). Desinformação no contexto da pandemia do coronavírus (covid-19). AtoZ: novas práticas em informação e conhecimento, 9(2):113–116.
Palaniappan, G., Sangeetha, S., Rajendran, B., Goyal, S., Bindhumadhava, B. et al. (2020). Malicious domain detection using machine learning on domain name features, host-based features and web-based features. Procedia Computer Science, 171:654–661.
Posetti, J. e Matthews, A. (2018). A short guide to the history of ‘fake news’ and disinformation. International Center for Journalists, 7(2018).
Reis, J. C., Correia, A., Murai, F., Veloso, A. e Benevenuto, F. (2019). Supervised learning for fake news detection. IEEE Intelligent Systems, 34(2):76–81.
Saleem Raja, A., Vinodini, R. e Kavitha, A. (2021). Lexical features based malicious url detection using machine learning techniques. Materials Today: Proceedings, 47:163–166. NCRABE.
Santos, W. R., Xavier, M. R., da Cunha, D. C., Júnior, J. C., Adauto, D. A. e Ferraz, C. A. (2019). Trendsbot: Verificando a veracidade das mensagens do telegram utilizando data stream. Em Anais Estendidos do XXXVII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, p. 65–72. SBC.
Schwittmann, L., Wander, M. e Weis, T. (2019). Domain impersonation is feasible: A study of ca domain validation vulnerabilities. Em 2019 IEEE European Symposium on Security and Privacy (EuroS&P), p. 544–559.
Sen, P. C., Hajra, M. e Ghosh, M. (2020). Supervised classification algorithms in machine learning: A survey and review. Em Emerging Technology in Modelling and Graphics: Proceedings of IEM Graph 2018, p. 99–111. Springer.
Wardle, C. e Derakhshan, H. (2017). Information disorder: Toward an interdisciplinary framework for research and policymaking, volume 27. Council of Europe Strasbourg.
Al-Shehari, T. e Alsowail, R. A. (2021). An insider data leakage detection using one-hot encoding, synthetic minority oversampling and machine learning techniques. Entropy, 23(10):1258.
Alkawaz, M. H., Steven, S. J., Hajamydeen, A. I. e Ramli, R. (2021). A comprehensive survey on identification and analysis of phishing website based on machine learning methods. Em 2021 IEEE 11th IEEE Symposium on Computer Applications & Industrial Electronics (ISCAIE), p. 82–87. IEEE.
Baly, R., Karadzhov, G., Alexandrov, D., Glass, J. e Nakov, P. (2018). Predicting factuality of reporting and bias of news media sources. arXiv preprint arXiv:1810.01765.
Cordeiro, A., de Oliveira Sampaio, J. e Ruback, L. (2020). Fakespread: Um framework para análise de propagação de fake news na web. Em Anais do XI Workshop sobre Aspectos da Interação Humano-Computador Para a Web Social, p. 9–16. SBC.
Couto, J. M., Reis, J. C., Cunha, Í., Araújo, L. e Benevenuto, F. (2022). Caracterizando websites de baixa credibilidade no Brasil. Em Anais do XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, p. 503–516. SBC.
de Oliveira, N. R., Pisa, P. S., Lopez, M. A., de Medeiros, D. S. V. e Mattos, D. M. F. (2021). Identifying fake news on social networks based on natural language processing: Trends and challenges. Information, 12(1).
Do Xuan, C., Nguyen, H. D. e Tisenko, V. N. (2020). Malicious url detection based on machine learning. International Journal of Advanced Computer Science and Applications, 11(1).
Fisher, T. (2023). What are hops & hop counts?: What is a hop and why is it an important piece of information?
Hua, J., Cui, X., Li, X., Tang, K. e Zhu, P. (2023). Multimodal fake news detection through data augmentation-based contrastive learning. Applied Soft Computing, 136:110125.
Mahajan, R. e Siddavatam, I. (2018). Phishing website detection using machine learning algorithms. International Journal of Computer Applications, 181(23):45–47.
Nemer, D. (2020). Desinformação no contexto da pandemia do coronavírus (covid-19). AtoZ: novas práticas em informação e conhecimento, 9(2):113–116.
Palaniappan, G., Sangeetha, S., Rajendran, B., Goyal, S., Bindhumadhava, B. et al. (2020). Malicious domain detection using machine learning on domain name features, host-based features and web-based features. Procedia Computer Science, 171:654–661.
Posetti, J. e Matthews, A. (2018). A short guide to the history of ‘fake news’ and disinformation. International Center for Journalists, 7(2018).
Reis, J. C., Correia, A., Murai, F., Veloso, A. e Benevenuto, F. (2019). Supervised learning for fake news detection. IEEE Intelligent Systems, 34(2):76–81.
Saleem Raja, A., Vinodini, R. e Kavitha, A. (2021). Lexical features based malicious url detection using machine learning techniques. Materials Today: Proceedings, 47:163–166. NCRABE.
Santos, W. R., Xavier, M. R., da Cunha, D. C., Júnior, J. C., Adauto, D. A. e Ferraz, C. A. (2019). Trendsbot: Verificando a veracidade das mensagens do telegram utilizando data stream. Em Anais Estendidos do XXXVII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, p. 65–72. SBC.
Schwittmann, L., Wander, M. e Weis, T. (2019). Domain impersonation is feasible: A study of ca domain validation vulnerabilities. Em 2019 IEEE European Symposium on Security and Privacy (EuroS&P), p. 544–559.
Sen, P. C., Hajra, M. e Ghosh, M. (2020). Supervised classification algorithms in machine learning: A survey and review. Em Emerging Technology in Modelling and Graphics: Proceedings of IEM Graph 2018, p. 99–111. Springer.
Wardle, C. e Derakhshan, H. (2017). Information disorder: Toward an interdisciplinary framework for research and policymaking, volume 27. Council of Europe Strasbourg.
Publicado
21/07/2024
Como Citar
MENDONÇA, Marcos Paulo Cezar de; MORAES, Igor Monteiro; MATTOS, Diogo Menezes Ferrazani.
Inferência Automática de Credibilidade de Sítios Web: Características de Domínio e Geolocalização para o Combate às Notícias Falsas. In: WORKSHOP EM DESEMPENHO DE SISTEMAS COMPUTACIONAIS E DE COMUNICAÇÃO (WPERFORMANCE), 23. , 2024, Brasília/DF.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 61-72.
ISSN 2595-6167.
DOI: https://doi.org/10.5753/wperformance.2024.2722.
