Исследование показало, что поведение пользователей при написании отзывов — их длина и рекомендуемые компании — позволяет реконструировать значительную часть реальных социальных связей. Алгоритм Homophilous Network Learning анализирует закономерности: друзья, как правило, оставляют отзывы схожей длины, и эта поведенческая синхронность оставляет статистический отпечаток на тысячах публичных постов. Команда протестировала HNL на тысячах пользователей Yelp. При 10% ложноположительных результатов модель правильно определила до 50% реальных дружеских связей только на основе поведения при написании отзывов.
Ни один отдельный отзыв не раскрывает личность. Работает совокупность закономерностей у множества пользователей и большой объём публикаций. Карта тех, кому вы доверяете, — именно то, что нужно мошенникам. Спеар-фишинг эффективен потому, что кажется личным. Важное уточнение: реальных случаев использования этого конкретного метода на основе Yelp не зафиксировано. Риск реален, но пока не подтверждён на практике. Исследователи предлагают контрмеру на основе дифференциальной приватности — метода, добавляющего небольшой шум в данные о длине отзывов до анализа или передачи.
При тестировании около 75% значений остались неизменными, а 95% отличались примерно на пятнадцать слов или меньше. Читатели разницы не заметят, но этого искажения достаточно, чтобы сделать кампании целевого фишинга менее прибыльными. Практически все площадки несут сопоставимые риски, хотя эмпирически не тестировались. Писать честные отзывы по-прежнему стоит, но осознание того, что публичное поведение незаметно формирует ваш социальный мир, — достаточный повод внимательнее относиться к неожиданным сообщениям от давно молчавших людей.
Контекстные подсказки помогают распознавать фишинг.
