Neue Forschung nutzt KI, um Propaganda-Tweets zum iranischen Atomabkommen zu analysieren

Die EU schlaegt einen 12 Milliarden Dollar Plan vor um den wachsenden Cybersicherheitsbedrohungen

Tausende staatlich geförderte Propaganda-Tweets zum iranischen Atomabkommen wurden von Experten der Universität Portsmouth mithilfe künstlicher Intelligenz analysiert.

Die Ergebnisse zeigen, dass Tools zur Verarbeitung natürlicher Sprache und zum maschinellen Lernen bei der Analyse großer Datenmengen helfen und Einblicke in die iranische Social-Media-Strategie geben können.

Computerexperten begannen mit einem ersten Datensatz von über neun Millionen Tweets von fast 6.000 Konten in 67 Sprachen, die Twitter als mit dem iranischen Staat verbunden identifiziert hatte.

Sie filterten diesen Datensatz nach Sprache, Datum und Schlüsselbegriff und hinterließen über 24.000 Tweets, die dann auf ihre Stimmung und Objektivität analysiert wurden. Die Stimmungsanalyse wird verwendet, um Meinungen zu einem Thema einzuschätzen und den emotionalen Ton zu bestimmen.

Der Hauptautor Michael Barrows, der während seines Studiums an der Universität von Portsmouth an der Forschung arbeitete, sagte: „Wir haben festgestellt, dass die Tweets hohe Objektivitätswerte aufwiesen, insbesondere bei Tweets, die als sentimental neutral eingestuft wurden. Dies stützt das Argument, dass der Iran legitime Nachrichten imitieren könnte.“ Medienkanäle, um ihren Propaganda-Standpunkten Glaubwürdigkeit zu verleihen. Angesichts der Tatsache, dass Social-Media-Plattformen ihre Verifizierungsprogramme für zahlende Kunden öffnen, ist das Potenzial, den Diskurs über verschiedene Themen durch objektive Sprache zu beeinflussen, erheblich.“

Die Studie untersuchte das Potenzial, Tweets mithilfe von fünf Algorithmen für maschinelles Lernen automatisch zu kennzeichnen und zu erkennen, ob sie positiv, neutral oder negativ waren.

Dr. Ella Haig, Dozentin für Künstliche Intelligenz an der Fakultät für Informatik der Universität, sagte: „Die Zahl der Menschen, die über soziale Medien aktuelle Nachrichten erhalten, ist gestiegen, was bedeutet, dass diese genutzt werden, um Narrative und Propaganda zu verbreiten, die den Diskurs zu verschiedenen Themen beeinflussen können.“ Fehlinformationen sind ein wachsendes Problem und es wird für Benutzer immer schwieriger, zwischen falschen und wahren Informationen zu unterscheiden.“

„Es besteht Bedarf an Ansätzen, die automatische Prozesse nutzen, um die Erkennung und Analyse von Fehlinformationen zu unterstützen. Twitter ist vielleicht nicht die ‚reale Welt‘, aber es ist dennoch ein bedeutendes Phänomen, da es einen übergroßen Einfluss auf das Weltgeschehen hat.“

Das iranische Atomprogramm war in den letzten zwei Jahrzehnten eines der wichtigsten Sicherheitsthemen auf der internationalen Bühne, doch dies ist das erste Mal, dass Irans Online-Informationen zum Atomabkommen untersucht wurden.

Die Daten wurden nach Sprache gefiltert, um sicherzustellen, dass alle gespeicherten Tweets auf Englisch waren. Englischsprachige Tweets wurden als bedeutsam erachtet, da sie sich wahrscheinlich an ein internationales Publikum richten, insbesondere an Bürger und Eliten in Ländern, die an den Verhandlungen über das Atomabkommen beteiligt sind.

Anschließend wurden sie nach Datum gefiltert, also alle Tweets, die zwischen August 2013 und Dezember 2018 veröffentlicht wurden. Diese Daten wurden ausgewählt, weil der iranische Präsident Rouhani im August 2013 in sein Amt eingeführt wurde und der frühere US-Präsident Trump die USA im Mai 2018 aus dem Atomabkommen mit dem Iran zurückzog.

Die Tweets wurden schließlich nach Schlüsselbegriffen wie „JCPOA“, „irandeal7“, „Atomgespräche“ und „Verhandlung“ gefiltert.

Dr. Haig sagte: „Die Studie ergab, dass der Datensatz eine ähnliche Anzahl positiver und negativer Tweets enthielt, was die Frage aufwirft, ob es sich dabei um eine absichtliche Informationsoperation handelte. Es könnte Parallelen zu Russlands Strategie geben, Verwirrung zu säen, indem Twitter mit Tweets überschwemmt wird.“ anstatt offen Botschaften für oder gegen das Atomabkommen zu verbreiten.“

„Ziel dieser Forschung war es, die Analyse staatlich geförderter Propaganda-Tweets (halb-)automatisch zu ermöglichen und Erkenntnisse zu gewinnen, die aufgrund der großen Datenmenge sonst nicht möglich wären.“

Der Artikel ist veröffentlicht in IEEE-Transaktionen zu rechnergestützten sozialen Systemen. Es wurde gemeinsam von Michael Barrows, einem ehemaligen Master of Research-Studenten der School of Computing der University of Portsmouth, und Dr. Dara Conduit, einer Dozentin für Politikwissenschaft von der University of Melbourne, verfasst.

Dr. Conduit sagte: „Als Politikwissenschaftler hat diese Zusammenarbeit mit Informatikkollegen unterstrichen, warum wir zusammenarbeiten müssen, um die Probleme zu verstehen, mit denen die Welt heute konfrontiert ist. Der Datensatz ist zu groß, als dass er allein von Menschen sinnvoll analysiert werden könnte, so die KI.“ Die Tools boten uns eine wichtige Gelegenheit zu verstehen, wie das iranische Regime Botschaften über das Atomabkommen online übermittelte, obwohl es glaubte, dass niemand zusah.“

Das Forschungsteam konnte über das Election Integrity Project von Twitter auf diesen Datensatz zugreifen, das „gefälschte“ Konten mit einer Reihe von Forschungsteams teilte, die Twitter als mit bundesstaatlichen Desinformationskampagnen in Verbindung gebracht und anschließend von der Plattform gelöscht hatte.

Dr. Conduit fügte hinzu: „Dies bot eine seltene Gelegenheit, staatliche Desinformationskampagnen zu analysieren, da es oft sehr schwierig ist, diese Art von Konten mit Sicherheit zu identifizieren, weil sie aktiv versuchen, unsichtbar zu sein. Das Election Integrity Project hat uns dabei geholfen.“ Umgehen Sie diese Herausforderung, indem Sie uns Zugang zu bekannten Artefakten staatlicher Informationsoperationen gewähren.“

Mehr Informationen:
Michael Barrows et al., Sentiment und Objektivität in der staatlich geförderten Propaganda Irans auf Twitter, IEEE-Transaktionen zu rechnergestützten sozialen Systemen (2023). DOI: 10.1109/TCSS.2023.3273729

Zur Verfügung gestellt von der University of Portsmouth

ph-tech