C3-Sex: un Chatbot para perseguir a los ciber pervertidos
Jossie Murcia Trivino, Sebastián Moreno Rodríguez, Daniel Díaz Lopez . Faculta de Ciuencias de la Computación- Escuela Colombiana de Ingeniería Julio Garavito.
Felix Gómez Marmol, Facultad de Ciencias de la Computación. Universidad de Murcia.
1. Facultad de Ciencias de la Computación, Escuela Colombiana de Ingeniería Julio Garavito, Bogotá, Colombia.
2. Departamento de Ingeniería de la Información y la Comunicación, Universidad de Murcia, España.
* Los artículos publicados en esta sección son publicaciones académicas cuyos bienes pertenecen a sus autores y no implican la cesión de los derechos económicos del autor a favor del Proyecto CAP4CITY, sus miembros o terceros.
Resumen- La Inteligencia Artificial (IA) ha capturado recientemente la atención de muchos investigadores de todo el mundo, que abarcan áreas como Aprendizaje automático (ML), Visión artificial, Sistemas basados en el conocimiento, Planificación, Robótica y Procesamiento del lenguaje natural (PNL), entre otros. Específicamente, la PNL pretende percibir y comprender el lenguaje humano y replicarlo con respuestas empáticas. Algunos de los desafíos actuales de la PNL incluyen la comprensión de estructuras complejas del lenguaje natural, la extensibilidad a través de la adaptación de la sintaxis, la adaptación de respuestas influenciadas por la interacción y la extensión del alcance de la conversación a un contexto abierto.
A su vez, la PNL implica el desarrollo de Entidades de Conversación Artificiales (ACE), es decir, chatbots, definidos como componentes autónomos que interactúan dinámicamente con los humanos. Un chatbot generalmente se basa en los siguientes elementos: un canal de interacción (correo electrónico, mensajería instantánea, página web, aplicación móvil, etc.), un procesador de lenguaje natural (NLP), un generador de lenguaje natural (NLG), un conocimiento datos basados, uno o más modelos de aprendizaje automático y la lógica empresarial (ver Figura 1).
Los chatbots se utilizan en una variedad de campos para diferentes propósitos, como i) bots de soporte, diseñados para resolver las solicitudes de los clientes relacionadas con la prestación de un servicio o uso de un producto, y ii) bots financieros, destinados a resolver consultas sobre servicios financieros . Los chatbots pueden tener algunas limitaciones con respecto a las solicitudes para que puedan responder y el vocabulario que pueden emplear, lo que depende del dominio específico en el que se desempeñan. Además, de acuerdo con el Ciclo Hype para tecnologías emergentes de Gartner [2], las plataformas de AI conversacionales permanecen en las fases de “activación de la innovación” y “pico de expectativas infladas”, lo que significa que están recibiendo una atención sustancial de la industria.
Además de los casos de uso mencionados anteriormente para los chatbots, la ciberseguridad es uno de los más nuevos donde se aplica esta tecnología. Por lo tanto, existen chatbots enfocados en la capacitación de usuarios finales [3] o analistas cibernéticos [4] en conciencia de seguridad y respuesta a incidentes. Además, también hay chatbots maliciosos dedicados a la distribución de malware a través de una conversación hombre-máquina [5]. Además, existe un software diseñado para guiar al usuario en términos de seguridad y privacidad, como Artemis [6], una interfaz de conversación para realizar análisis guiados de precisión en datos de puntos finales. La mayoría de estos chatbots de seguridad se implementan en un contexto de respuesta a preguntas [7] mediante una técnica de respuesta posterior. Por lo que sabemos, el uso de chatbots para perfilar a los sospechosos de una forma activa de pornografía infantil ha sido poco investigado, existen pocos enfoques [8, 9] que emplean un chatbot para emular a una víctima como un niño o un adolescente. Asimismo, nuestra investigación apunta a emular a una persona vulnerable mientras el sospechoso le ofrece contenido ilegal.
El documento en cuestión propone C3-Sex, un chatbot basado en la aplicación de Aprendizaje automático y sistemas basados en el conocimiento, capaz de interactuar con los sospechosos en torno a temas relacionados con la pornografía infantil. Una vez que la conversación ha terminado, se emplean algunos algoritmos de aprendizaje automático adicionales para analizar los registros de chat y hacer un perfil del sospechoso dentro de tres categorías diferentes (indiferente, interesado y pervertido).
Los chats recopilados, junto con los valores de cada una de las métricas definidas, podrían usarse para que una Agencia de Cumplimiento de la Ley (LEA) identifique y procese a un sospechoso de pornografía infantil. El resto del documento está estructurado de la siguiente manera. La sección II describe algunos trabajos relacionados notables que se encuentran en la literatura. En la Sección III, se presentan los objetivos y componentes clave de C3-Sex, mientras que los aspectos principales del ciclo de vida de la ciencia de datos y la propuesta alcanzada se presentan en la Sección IV. La Sección V analiza los diferentes perfiles de usuario que pueden deducirse de la interacción entre el sospechoso y C3-Sex. Luego, en la Sección VI realizamos una evaluación exhaustiva de la propuesta y analizamos los resultados obtenidos. Finalmente, la Sección VII contiene algunos puntos destacados derivados del trabajo realizado y menciona algunas direcciones de investigación futuras.
[1] Al Rahman, Abdullah Al Mamun, and Alma Islam. “Programming challenges of chatbot: Current and future prospective”. In: Dec. 2017, pp. 75–78. DOI: 10.1109/ R10-HTC.2017.8288910.
[2] Mike Walker. “Hype Cycle for Emerging Technologies, 2018”. In: 2018 Hype Cycles: Riding the Innovation Wave (2018).
[3] Stewart Kowalski, Katarina Pavlovska, and Mikael Goldstein. “Two Case Studies in Using Chatbots for Security Training”. In: Information Assurance and Security Education and Training. Ed. by Ronald C. Dodge and Lynn Futcher. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013, pp. 265–272. ISBN: 978-3-642-39377-8.
[4] B. A. Sabbagh et al. “A prototype For HI2Ping information security culture and awareness training”. In: 2012 International Conference on E-Learning and E-Technologies in Education (ICEEE). 2012, pp. 32–36. DOI: 10.1109/ICeLeTE.2012.6333397.
[5] Pan Juin Yang Jonathan, Chun Che Fung, and Kok Wai Wong. “Devious Chatbots – Interactive Malware with a Plot”. In: Progress in Robotics. Ed. by Jong-Hwan Kim et al. Berlin, Heidelberg: Springer Berlin Heidelberg, 2009, pp. 110–118. ISBN: 978-3-642-03986-7.
[6] Bobby Filar, Richard Seymour, and Matthew Park. “Ask Me Anything: A Conversational Interface to Augment Information Security Workers.” In: SOUPS. 2017.
[7] Simon Keizer and Harry Bunt. “Multidimensional Dialogue Management”. In: Proceedings of the 7th SIGdial Workshop on Discourse and Dialogue. Sydney, Australia: Association for Computational Linguistics, 2006, pp. 37–45. URL: http:// aclweb. org/ anthology/W06 –1306.
Lea el artículo completo: