Онлайн-відгуки залишають прихований „соціальний слід“ — ним можуть скористатися шахраї

Такі дані потенційно можуть використовуватися для цільового фішингу: шахрай, з’ясувавши, кому людина довіряє, отримує можливість переконливіше видавати себе за знайомого. Однак дослідження моделює таку загрозу, а не доводить, що цей метод уже масово використовують злочинці.

Деталі

Вчені проаналізували дані 4299 користувачів Yelp із Луїзіани та Пенсильванії за 2020 рік. На платформі були доступні як тексти відгуків, так і реальні списки друзів, тому дослідники могли перевірити, наскільки точно вдається відтворити зв’язки лише на основі поведінки.

Алгоритм виявляв близько 49% існуючих соціальних зв’язків при 10-відсотковій частоті помилкових спрацьовувань. Якщо допустити 20% помилкових спрацьовувань, вдавалося виявити до 63% зв’язків.

При цьому мова не йде про 90-відсоткову «точність визначення друзів»: показник помилкових спрацьовувань означає частку непов’язаних пар, яких алгоритм помилково прийняв за пов’язані.

Однією з найбільш інформативних ознак виявилася довжина відгуків. У пов’язаних користувачів спостерігалися статистичні закономірності: наприклад, довгі тексти однієї людини могли поєднуватися з ще довшими або, навпаки, з короткими відгуками іншої, що їх доповнювали.

Це не означає, що за одним довгим відгуком можна визначити конкретного друга. Зв’язки виявляються за сукупністю поведінки великої кількості користувачів.

Чому це важливо

Подібний «соціальний слід» може бути корисним для spear phishing — адресного шахрайства, під час якого злочинець видає себе за людину, знайомого жертві.

Автори змоделювали економічну привабливість таких атак і виявили, що відновлення більшої кількості соціальних зв’язків потенційно підвищує їхню прибутковість. Але реальні фішингові кампанії в рамках роботи не проводилися.

Дослідження порушує ширше питання приватності: навіть якщо сервіс приховує список друзів, самі дії користувача можуть опосередковано розкривати його зв’язки.

Як захист автори пропонують додавати до опублікованих даних ретельно розрахований статистичний «шум», який ускладнює відновлення соціальної мережі, але зберігає корисність інформації для аналізу.

Джерело

Дослідження:«When Behavioral Data Betray Users: A Diagnostic and Protective Framework Against Social Interaction Leakages».

Автори: Ян Ленг, Іцзюнь Чен, Сяовен Донг, Цзюньфен Ву, Гуодон Ши.

Журнал: Information Systems Research, 2026.