El sistema, llamado Fraudar, ha sido diseñado mediante técnicas de aprendizaje profundo y permite eludir el camuflaje que utilizan los estafadores para parecer legítimos. El equipo, dirigido por el profesor Christos Faloutsos, está especializado en emplear fórmulas para detectar patrones en los datos. En este caso, las interacciones de medios sociales se representan en forma de gráfico: cada usuario es un punto o nodo, y las transacciones son líneas o bordes.

Para identificar a los defraudadores, el algoritmo busca un patrón conocido como núcleo bipartito, que son los grupos de usuarios que tienen muchas transacciones con los miembros de un segundo grupo, pero no hay interacciones entre sí. Esto sugiere que se trata de un grupo de cuentas fraudulentas, cuyo único propósito consiste en inflar la reputación de los demás por motivos comerciales o de índole ilegítima.

No obstante, los estafadores han aprendido a camuflarse, y relacionan sus cuentas falsas con sitios populares o usan perfiles robados de usuarios legítimos. Pero estas tretas no funcionan con Fraudar, que conoce métodos verdaderamente eficaces para detectar los patrones de núcleos bipartitos.

Para comprobar su eficacia, se han llevado a cabo experimentos utilizando datos reales de 41,7 millones de usuarios de Twitter y 1,47 millones de seguidores. La plataforma pudo sacar a la luz más de 4.000 cuentas no identificadas previamente como fraudulentas, incluyendo servicios de compra de followers como TweepMe y TweeterGetter.

El algoritmo desarrollado por este grupo de investigadores es open source y está disponible de manera gratuita en este enlace.