Ranking the "Stars": Combining Graph Theory and Fuzzy Logic to Detect Cybergroomers

Abstract

Etter hvert som barn blir stadig mer involvert i den digitale verden, står de overfor nye risikoer som er forskjellige fra de i den fysiske verden. I motsetning til virkeligheten, hvor man kan se og verifisere hvem man snakker med, tillater den digitale verden ofte enkeltpersoner å skjule sin sanne identitet. Denne anonymiteten gjør det mulig for overgripere å utgi seg for å være barn, få tillit fra intetanende unge brukere og til slutt utnytte dem seksuelt. Økningen i slike skadelige aktiviteter understreker det akutte behovet for effektive deteksjons- og forebyggingsmekanismer, der tidlig deteksjon er avgjørende for å kunne gripe inn før skade oppstår. I denne oppgaven har vi tatt for oss utfordringen med tidlig de- teksjon av cyber-grooming ved å integrere grafteori med fuzzy logikk for å analysere brukeradferd i et handlingsbasert rangeringssystem. Vi har laget et beslutningstre basert på prinsippene i fuzzy logikk, som fungerer som et analyseverktøy for hver interaksjon en bruker er involvert i. For hver interaksjon blir brukerens risikoscore oppdatert, noe som muliggjør kontinuerlig vurdering. Dette systemet lar oss dy- namisk rangere brukere, der de som viser mest overgriper-lignende adferd får de høyeste risikoscorene og blir rangert nær toppen. Resultatet av denne studien er at kontinuerlig analyse av bru- keradferd er effektivt for å oppdage uønskede brukere som sextere, spammere og seksuelle rovdyr. Systemet vårt kan plassere flertallet av disse brukerne blant de øverste rangeringene, og effektivt fremheve de som viser høyest risiko basert på deres interaksjonsmønstre. Denne løsningen åpner også opp for mange muligheter for fremtidig forskning. Integrering av samtaleanalyse med adferdsanalyse kan ytterligere for- bedre systemet, noe som kan muliggjøre en mer omfattende forståelse av brukerinteraksjoner.

As children increasingly immerse themselves into the digital world, they face new risks different from the ones in the physical world. Unlike in the physical world, where people can see and verify the identity of the person they are speaking to, the digital world often allows individuals to disguise their true identities. This anonymity enables child predators to pose as minors, gaining the trust of unsuspecting young users and ultimately exploiting them sexually. The rise in such malicious activities underscores the urgent need for effective detection and prevention mechanisms, with early detection being crucial to intervene before harm occurs. In this thesis, we have tackled the challenge of early cybergrooming detection by integrating graph theory with fuzzy logic to analyze user behavior in an action-based ranking system. We created a decision tree built on the principles of fuzzy logic, which serves as an analysis tool for every interaction a user is involved in. For every interaction, the user’s risk score is updated, allowing for continuous assessment. This system allows us to dynamically rank users, with those exhibiting the most predatory behavior receiving the highest risk scores and being ranked near the top. The result of this study is that continuous analysis of user behavior is effective in detecting unwanted users such as sexters, spammers, and sexual predators. Our system can rank the majority of these users among the top ranks, effectively highlighting those who exhibit the highest risk based on their interaction patterns. This system also opens up numerous opportunities for future research. Integrating conversation analysis with behavior analysis may further enhance the system, which could enable a more comprehensive understanding of user interactions.