Reviews play a crucial role in a product's visibility and eventually customers' buying decisions on e-commerce sites. While there is suspicion and anecdotal reports about the prevalence of fake reviews on popular e-commerce sites, little is known about how reputation manipulation services continue to operate despite attempts to thwart them. We investigate an emerging fraud ecosystem of incentivized reviews -- fake reviews written by real customers. In this kind of review fraud, sellers give away products for free to complicit buyers in exchange for a positive review. Like other fraud services, these incentivized review services are operated through specialized agents that mediate the exchange between buyers and sellers. In this paper, we conduct an in-depth quantitative and qualitative study of such services for Amazon.com. We infiltrate Facebook groups that are used for recruitment. We are able to identify more than 1600 products seeking incentivized reviews. We first evaluate off-the-shelf machine learning classifiers as well as Amazon's own countermeasures against incentivized reviews and corresponding products. Our results demonstrate the ineffectiveness of these countermeasures -- even when incentivized reviews are removed, new ones are promptly added back to make up for the removed reviews. To better understand the inner workings of incentivized reviews services, we survey 38 agents and 36 buyers. Our analysis reveals that the reviews service spans multiple countries, with sellers typically in China, agents in Pakistan and Bangladesh, and buyers in the US, UK, Canada, France, and Germany. We find that groups of agents work together using sophisticated training materials, incentive structures, and reporting mechanisms. Buyers intentionally use tactics such as spreading out the reviews over time and simulating an organic search to circumvent detection.


翻译:在产品能见度和最终客户购买电子商务网站的决定中,审查发挥着关键作用。虽然人们怀疑和传闻报道流行在流行的电子商务网站进行虚假审查,但尽管有人试图挫败这些网站,但很少知道信誉操纵服务如何继续运作。我们调查了新兴的激励性审查的欺诈生态系统 -- -- 由真实客户编写的虚假审查。在这种审查欺诈中,卖方将产品免费赠与买主,以换取积极的审查。与其他欺诈服务一样,这些激励性审查服务通过专门代理商运作,这些代理商对买卖双方的交流进行调解。在本文件中,我们对亚马逊河流域的这类服务进行深入的定量和定性研究。我们渗透了用于招聘的Facebook团体。我们能够发现1600多种寻求激励性审查的产品。我们首先对现成的机器学习分类师以及亚马逊公司自己针对激励性审查和相应产品采取的对策进行了评估。我们的结果表明,这些对策的有效性 — 即使是在取消认可性审查后,我们迅速增加了对亚马逊河流域服务的定量和定性研究。我们用38年的高级分析结果,我们用了对英国公司进行更深入的分析,我们公司进行。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
3+阅读 · 2008年12月31日
Generalized Out-of-Distribution Detection: A Survey
Arxiv
15+阅读 · 2021年10月21日
Arxiv
38+阅读 · 2021年8月31日
Arxiv
38+阅读 · 2020年3月10日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
3+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员