eleições sem fake - evcompevcomp.dcc.ufmg.br/wp-content/uploads/fabriciobenevenuto.pdf · true,...

Eleições sem Fake www.eleicoes-sem-fake.dcc.ufmg.br

Fabrício Benevenuto

Departamento de Ciência da Computação

Universidade Federal de Minas Gerais (UFMG)

2

Estratégias adotadas por

campanhas de desinformação

1. Propagandas (impulsionamento)

2. Aplicativos de Mensagens (WhatsApp)

Transparência

www.eleicoes-sem-fake.dcc.ufmg.br

3

Anúncios

Monetização de dados obtidos por vigilância

• Facebook e Instagram: Conhecem meus interesses

• Google e YouTube: Conhece o que eu busco e os vídeos que eu vejo

Impulsionamento

1100 atributos

260000 atributos

Marketing direcionado

Impulsionamento nas eleições americanas

6

Propagandas russas • Temas que dividem as pessoas

• Taxa de cliques 10x maior que outros ads no Facebook

• Foram enviadas ao longo de 3 anos

• http://www.socially-divisive-ads.dcc.ufmg.br/

www.eleicoessemfake.dcc.ufmg.br

Impulsionamento

7

• Nossa abordagem

• Coletar anúncios de voluntários através de extensões para chrome e Firefox

• Construir um banco de dados público contendo propagandas políticas impulsionadas via Facebook e seus alvos


Coletor de Propagandas


Impulsionamento: Nossa abordagem


• Quem fez o anúncio?

• Quando fez?

• Qual o conteúdo?

• Quem foi o alvo?

Anúncios no Facebook

Construção de uma banco pública com anúncios políticos no Facebook

https://www.eleicoessemfake.dcc.ufmg.br/anuncios/

O TSE disse que não cabe ao órgão "a

tarefa de monitorar anúncios em qualquer

rede social ou veículo de comunicação".

O Facebook diz que planeja lançar em

junho em alguns países -mas inicialmente

não no Brasil- exatamente "um arquivo

de anúncios políticos para pesquisa por

todo o público".


https://www.eleicoes-sem-fake.dcc.ufmg.br/anuncios/

Colocamos o problema em debate público

Anúncios no Facebook

Facebook criou sua base de propagandas a tempo das eleições e os gastos de campanha com propagandas auto-declaradas de candidatos e partidos ficaram registrado https://www.facebook.com/politicalcontentads

https://www.facebook.com/politicalcontentads


Como encontrar propagandas não declaradas?


ComScore

Fake News no WhatsApp

Coleta de Dados Grupos públicos relacionados a política

Busca no Twitter e no Google por "chat.whatsapp.com”

Filtro por palavras relacionadas às eleições brasileiras de 2018

No total, 3400 grupos 350 grupos políticos selecionados

Dados: Usuário (anonmizado), Grupo, timestamp, Mensagem/Conteúdo

Não sabemos o quão representativos eses grupos são

• Sistema para Monitorar os grupos públicos de WhatsApp

• www.monitor-de-whatsapp.dcc.ufmg.br

• 350 grupos públicos

• Mostra o que foi mais compartilhado num dia

• Imagens, vídeos, áudios, links, textos (longos)

• Disponível para:

• jornalistas (mais de 150 com linha editorial)

• Equipes de checagem de fatos

• Pesquisadores que atuam no tema



http://www.monitor-de-whatsapp.dcc.ufmg.br





18

Fake News como memes e imagens falsas

Fake News como memes e imagens falsas

(a) False edited photo of ex-presidentDilma next to Fidel Castro

(b) Fakephoto of Bolsonaro’saggressornext to Lula

Figure 7: Images checked as fake by both fact-checking

methodologies.

thevisibility of linksratedasfalse[16].Thiskindof partnership

neglectsfakenewsin images,asfact-checkersonly provideratesto

linkscontainingfakestories.Next,weprovideastrategy toconnect

thefalsestoriesfound in imagessharedwith external linksthat

appear ontheWeb,providingasimpleway for Facebook todemote

links containing fake images identi ed within WhatsApp.

First, weidenti edthemain fact-checkingagenciesinBrazil 11

After that,weautomatizetheprocessof searchingeachWhatsApp

imageon theWebby lookingfor themusingGoogleImagesearch.

Havingthelist of pagesinwhicheach imageappear,welookedfor

thosefromdomainsof our list of fact-checkingsites. By parsing

thefact-checkingpageweautomatically set thisimageasfakeor

true, depending on the label that website tagged that image.

Weapply thismethodology to all WhatsApp imagesof both

datasetsand, afterward,webuildadataset only containing images

checked by other fact-checking agenciesas fake. That way, we

foundonly twofakeimagesin thetruck drivers’ strikedataset and

70 fake images in the Electoral dataset.

Discardingmisleading andother categories, weobtainedtwo

distinct datasets of images labeled as fake: 70 we identi ed by

searchingfor theimageinother fact-checkingagenciesandmore

17werelabeledby Lupa. Astwoimagesappear inbothdataset, we

haveidenti edatotal of 85fakeimageslabeledlikethat by o cial

fact-checking agencies.

Toidentify other Websitesthat alsodisplay thesefakeimages,

onecansimply searchfor thoseimagesinGoogleor Bing.Next,we

characterizethewebsitesandother sourcesontheWebinwhich

thesefakeimagesalsoappear.Wecompareall set of Fakeimages

totheremainingimagesof periodof elections, called, respectively,

as"CheckedasFake" and"Not Checked".Notethat although we

expectedthat therearenosubstantially Fakein the"Not Checked"

dataset, wecan not guarantee the total absence of this typeof

content in these messages.

5.3 Fake Images on WhatsApp and the Web

After processing and setting which images are fake, we assess

theresultsfor thedataset of theimagescheckedasFake.Table5

11Fact-checkingagencies: Boatos.org: https://www.boatos.org; e-Farsas: http://www.e-farsas.com; Comprova: https://projetocomprova.com.br; Lupa: https://piaui.folha.uol.com.br/lupa; GloboG1: http://g1.globo.com/fato-ou-fake; and AosFatos: https:

//aosfatos.org.

describesthesummary of quantitieswefoundasfakecompared

to thetotal of images in each period. Notethat fakeimagesset

containsonly 85images, but theseimagessummedup1,168shares

by 582di erent usersandoccurredin157di erent groups. Inspite

of imagescheckedasFakerepresent aportion lessthan1%of the

total, theseimagesappearedin44%of thegroupsof theperiodof

theelectoral campaign andnearly 5.6%of all usersof thisperiod

posted images with misinformation.

Strike Elections Fake

#Active Groups 138 351 157

#Active Users 2,264 10,339 582

#Unique Images 8,564 69,590 85

#Total Shares of Images 11,610 110,954 1,168

Table 5: Summary of Fake Images compared with remaining

images of the period of Trucker’sStr ike and Elections.

Toevaluatethepropagationof themisinformationonWhatsApp,

weconstructedagraph of occurrencesof theseimages. Figure8

showsthefakeimagenetwork inWhatsAppby consideringonly

theset of imagescheckedasfakeandthegroupswherethey " rst

appeared".Wehave lterednodesthatpost at least 2imageschecked

asfake.A noderepresentsaWhatsAppgroupandadirectededge

fromnodeA tonodeBmeansthat nodeA wasthe rst toshare

thefakeimageandthen thesameimagewasseen ingroupB.The

weight of theedgeisassociatedwith thevolumeof fakeimages

that originatedinagroupandco-occurredinanother group.The

sizeof thenodesrepresentshowmany fakeimagesthat grouphas

postedandthecolor representsthesumof theedgesoutgoingfrom

thisvertex, that is, thetotal of imagesthat were“ rst seen” in that

group and spread to the rest of the network.

Wecan seethat somefewnodesaremuchdarker than others

which representsahighout-degreevalue, that meansthey arethe

main “seeds” of the fakecontent on thegraph. It is relevant to

highlight that thegroup which shared moreimageschecked as

fakewasalso thesamegroupwhich hasmoreusersand images

asreportedpreviously inTable3.But theamount of fakeimages

postedinagroupdoesnot necessarily meanthat thisgroupisthe

creator of content, duetosomelargenodeshavelighter colors(e.g.

“ARAGUANA BOLSONARO1” and “BOLSONAROPRESIDENTE”),

whichmeansthat theypostedmany fakeimages,but they act more

likeareceptor than aseed since their out-degree is low. These

resultssuggest that just fewer groupsareresponsiblefor great part

of fakeimagesspreadinginWhatsApp,even if they arenot those

which most posted fakes.

Wealsoanalyzedthebehavior of FakeImagesontheWeb.As

wecollectedtheset of URLswherethevery sameimageappeared

accordingtoour search,wecouldevaluatethedomainsandTwitter

accountswhich theseFakeImagesmost appeared.Figure9show

theseresults. By looking for thosedomainswecan seethat the

imagesmostlyappearedinother social networks,whichsuggest the

AmongtheaccountsonTwitter that most postedimageschecked

as Fake, we havesome o cial journalistic accounts (folha and

agencialupa)andalsoo cial accountsof thepresidential candidate

FernandoHaddadandhisvice,Manuelad’Avila. Lookingat these

posts,it canbenotedthat thesepro lespostedsomeFakeImagesfor

thepurposeof repudiating them,actingasfact-Checkingaccounts.

8

21

Reportagem da Lupa

Estrutura típica de redes sociais

Figure 5: WhatsApp Network of Users with Common Public Political Groups

• Grupos públicos são porta de entrada da desinformação e conectam uma rede ativistas

• Uma imagem pode ser enviada (broadcast) para 256 groups, com 256 pessoas • Broadcast = 256x256 = 65536 pessoas

• Cada pessoa pode repassar a mensagem para 20 grupos • Forward = 20x256 = 5120

• Broadcast e forward podem ser automatizados

WhatsApp e viralidade


24


• Opinião no New York Times sugerindo mudanças para o período eleitoral:

• Limite do broadcast

• Limite do forward

• Limite na criação de grupos

25


26

Susceptible b

Exposed Infected

Limitações no repasse das mensagens ajudam a reduzir o alcance das notícias

falsas, mas não são eficientes para conteúdos altamente virais

Uso de modelo epidemilógico e simulações para checar o quanto as mudanças

implementadas pelo WhatsApp poderiam conter o espalhamento da desinformação

•Quem pode usar nossos sistemas

• PF, MP, Partidos, etc. podem verificar irregularidades em impulsionamentos

• Equipes de checagem de fatos

• Jornalistas

• Eleitores

•Próximos Passos • Eleições municipais são ainda mais complicadas

• Atenção a sistemas emergentes no Brasil como o Gab e o Telegram

• Atenção ao Wikipedia

Projeto eleições sem fake

Eleições sem Fake

www.eleicoes-sem-fake.dcc.ufmg.br

www.dcc.ufmg.br/~fabricio

[email protected]

www.ifeel.dcc.ufmg.br






eleições sem fake - evcompevcomp.dcc.ufmg.br/wp-content/uploads/fabriciobenevenuto.pdf · true,...

Documents