反恐战场已转至网络,这次要考验Facebook反应了

简介:

刚刚发生的曼特斯特恐袭事件让英国把安全警戒升至最高级别,也让反恐议题成为了今年G7(七国集团)峰会的重中之重。

根据英国《卫报》的报道,英国首相特雷莎·梅就认为,“和IS的战场已经转移至网络”,七国首脑应该联合起来向诸如Facebook、Google和Twitter这样的科技企业施加压力,阻止用户发布极端的内容,一旦发现危险的苗头立刻向安全部门报告。

梅相信,国家之间的合作可以有力打击极端势力在互联网上的传播。这些合作包括:研发可以自动识别并移除具有煽动性或危害性的言论;一旦发现有害的极端言论,立即汇报给相关部门以第一时间采取防范行动;修正互联网的管理条例和规范原则,让相关部门对于互联网内容的有害构成了然于心。

在英国国工党领袖杰里米·科尔宾(Jeremy Corbyn)看来,人们必须勇敢地承认,和恐怖主义的战争并没有真的奏效。

ISIS擅长用社交媒体俘获人心

极端势力在社交媒体上的表现远比人们想象的出色。

伪装成20岁穆斯林女孩、亲身体验了ISIS招募的法国女记者Anna Erelle(笔名)在《圣战之肤》(In the Skin of a Jihadist)一书中曾描述称,ISIS(“伊斯兰国”)是Facebook和Twitter上的搭讪能手。

根据《美国商业周刊》此前的报道,英国智库Demos研究显示,早在1999年,世界各大恐怖组织就已在网络上进行活动。到2005年前后,大多数恐怖组织开始意识到互动的重要性,于是对堆砌了枯燥、冗长宗教教义的网站进行了改造。2010年后,以Twitter和Facebook为代表的具有高度互动性的社交媒体渐渐成为宣传教义、招募战士、传播信息的主要平台。

一个让人深刻的细节是,ISIS甚至打出了卖萌的喵星人牌,在Twitter上每日更新小猫照片以俘获猫奴们的心,但实际目的是传播大量关于教义和ISIS的软信息。

除了在社交媒体上传播视频和图片,ISIS还专门建立了自己的营销体系,包括杂志、广播、游戏以及手办周边。

而网络上的暴力距离现实中的极端暴力并不遥远。2016年底发生在缅甸的极端暴力事件就是暴力从网络到现实的案例。

Facebook用10秒决定要不要屏蔽

和极端势力在互联网上的战争注定是考验智慧和道德的挑战。虽然Facebook、Google和Twitter这些科技公司正在研究如何有效剔除有危害内容,包括美国、德国在内的各国也在积极呼吁打击假新闻和仇恨言论,但在监管技术和道德之间找到平衡似乎并不容易。

Facebook内部培训指南几天前被《卫报》首次曝光,迅速激发了公众对于言论自由、道德底线和监管角色的争论。

在Facebook内部对于内容管控的100多份隐秘规范资料中,详细注明了如何通过用户发布的内容来预判其与暴力、仇恨言论、极端主义、色情、种族主义和自虐相关,并作出是否屏蔽的决定。

面对着20亿用户快速更新的海量内容,Facebook的管理员每天面临巨大的挑战和工作量。在泄露的文件中,Facebook也承认,人们往往会通过网络语言暴力来发泄心情,因为他们觉得在网上这么做很安全,也不会受到像现实中面对面那样的真实威胁。

一般来说,对于具有上述嫌疑的内容,管理员只有10秒的时间决定是否要屏蔽。“Facebook不能控制其内容。”一名知情人士说,“它的规模太大了,内容增长太快了。”

不少Facebook管理员对那些互相矛盾和特殊的管理政策存在困惑和担心。

本文转自d1net(转载)

相关文章
|
5月前
|
数据采集 存储 Scala
挖掘网络宝藏:利用Scala和Fetch库下载Facebook网页内容
本文介绍了如何使用Scala和Fetch库下载Facebook网页内容,同时通过爬虫代理服务(以亿牛云为例)绕过网络限制。代码示例展示了配置代理服务器、多线程爬取及内容存储的过程。注意实际应用时需替换代理服务器配置和目标URL,并考虑应对复杂的反爬虫机制。此方法兼顾匿名性和效率。
挖掘网络宝藏:利用Scala和Fetch库下载Facebook网页内容
|
存储 缓存 NoSQL
社交网络场景下大规模图存储实践——Facebook TAO
社交网络场景下大规模图存储实践——Facebook TAO
208 0
社交网络场景下大规模图存储实践——Facebook TAO
|
机器学习/深度学习 人工智能 语音技术
Facebook创造了两个会交流的神经网络来描述颜色,竟和人类语言惊人相似
你想过你是如何描述一个颜色的吗?最新研究表明人类使用离散符号来记录一个区域的颜色,在细化颜色过程中又增添其他信息。这背后有什么道理吗?Facebook用两个神经网络的实验现象告诉你。
114 0
Facebook创造了两个会交流的神经网络来描述颜色,竟和人类语言惊人相似
|
机器学习/深度学习 人工智能 文字识别
图神经网络版本的PyTorch来了,Facebook开源GTN框架,还可对图自动微分
近日,Facebook的AI研究院发表了一篇论文「DIFFERENTIABLE WEIGHTED FINITE-STATE TRANSDUCERS」,开源了用于图网络建模的GTN框架,操作类似于PyTorch这种传统的框架,也可以进行自动微分等操作,大大提高了对图模型建模的效率。
327 0
图神经网络版本的PyTorch来了,Facebook开源GTN框架,还可对图自动微分
|
机器学习/深度学习 人工智能 自然语言处理
Facebook这个神经网络用自然语言表示数学式,秒解微分方程!
Facebook AI的研究人员将数学视为自然语言,并将数学简写拆分为基本单位,去训练神经网络,从而秒解微积分表达式,远超目前的商业软件(如Maple、Matlab、Mathematica)!具体的精妙思想跟操作是怎么样的呢?
221 0
Facebook这个神经网络用自然语言表示数学式,秒解微分方程!
|
机器学习/深度学习 人工智能 安全
如何高效验证深度神经网络的学习行为?看看 Facebook 是怎么做的
能够比当前 state-of-the-art 程序更快识别应用安全水平的最新技术。
468 0
下一篇
无影云桌面