Учёные предложили способ находить скоординированную дезинформацию между российскими и украинскими Telegram-каналами

Дезинформацию в соцсетях трудно ловить автоматически: сюжеты вбрасывают массово, они быстро видоизменяются, а язык вбросов сильно варьируется, от прямых лозунгов до завуалированных намёков. Если анализировать посты по одному, скоординированную кампанию, где один и тот же сюжет параллельно продвигают десятки каналов, разглядеть почти невозможно: каждый отдельный пост выглядит рядовым сообщением.

Авторы работы предлагают метод, который смотрит не на отдельные посты, а на граф связей между Telegram-каналами, кто на кого ссылается, кто кого репостит, и совмещает его с анализом текста. Сначала сообщения размечаются не вручную (при таких объёмах это слишком дорого и медленно), а с помощью слабой разметки данных (weak supervision), эвристик и приближённых сигналов, заменяющих ручную проверку каждого сообщения. Затем смыслово близкие утверждения (claims) группируются в кластеры уровня сюжета (нарратива): вместо тысяч разрозненных постов получается ограниченный набор сюжетов, которые реально циркулируют в сети. Наконец, метод отслеживает, как каждый такой сюжет-кластер распространяется по графу связанных каналов.

Метод опробован на материале российских и украинских Telegram-каналов, той части мессенджера, где идёт особенно острое информационное противостояние вокруг конфликта между странами.

Совмещение текстовых сигналов (о чём говорится) с сетевой структурой (кто и как это распространяет) позволяет увидеть именно скоординированное усиление сюжета, когда его синхронно продвигают через несколько каналов, а это не видно при анализе постов по отдельности. Авторы описывают подход как масштабируемый: он не требует ручной проверки каждого сообщения, и утверждают, что метод показывает не только наличие дезинформации, но и то, как именно она расходится по крупной мессенджер-экосистеме.

Ключевые факты

Метод совмещает слабую разметку данных (weak supervision) с анализом графа связей между Telegram-каналами, вместо ручной проверки каждого сообщения.
Смыслово близкие утверждения (claims) группируются в кластеры уровня сюжета (нарратива), а не разбираются как отдельные посты.
Каждый сюжет-кластер отслеживается по графу связанных каналов, так виден координированный вброс, который синхронно продвигают через несколько каналов.
Метод опробован на материале российских и украинских Telegram-каналов, в сегменте с наиболее острым информационным противостоянием вокруг конфликта.
Авторы называют подход масштабируемым и утверждают, что он показывает не только наличие дезинформации, но и то, как именно она расходится по сети каналов.

Почему это важно

Дезинформация в Telegram распространяется не хаотично, а зачастую координированно: один и тот же сюжет одновременно вбрасывают несколько каналов, создавая иллюзию независимых источников и широкого охвата. Такую координацию невозможно поймать, если анализировать сообщения по одному, каждый пост в отдельности выглядит обычным сообщением, а закономерность видна только на уровне сети. Особенно остро это стоит в российско-украинском сегменте Telegram, который обе стороны активно используют как канал информационного противостояния вокруг конфликта: счёт вбросов идёт на тысячи, а вручную промаркировать и сопоставить их физически невозможно. Метод, который автоматически находит сюжет и прослеживает его путь по каналам, закрывает именно этот пробел, переводит обнаружение дезинформации с уровня отдельного поста на уровень сюжета и его распространения.

Кому это важно

В первую очередь, исследователям пропаганды и дезинформации, OSINT-аналитикам и журналистам-фактчекерам, которые изучают, как устроены координированные информационные кампании в Telegram. Важен метод и для служб модерации мессенджеров: чтобы бороться не с отдельными нарушениями, а с сетью аккаунтов, синхронно продвигающих один и тот же сюжет, нужен способ увидеть эту сеть целиком. Отдельно значим он для аналитиков, которые отслеживают российско-украинское информационное противостояние, государственных и независимых центров мониторинга, гражданских организаций, изучающих военную пропаганду. Полезен подход и другим исследователям соцсетей: предложенный способ склеивать посты в сюжеты и отслеживать их распространение применим не только к Telegram и не только к теме конфликта России и Украины.

Как это применить

Практическая ценность работы, не готовый продукт, а метод, который можно воспроизвести на собственных данных. Он состоит из трёх шагов: во-первых, слабая разметка сообщений, вместо дорогой ручной аннотации каждого поста используются эвристические сигналы, приближённо помечающие потенциально дезинформационный контент; во-вторых, кластеризация, смыслово близкие утверждения группируются не по отдельным постам, а в кластеры уровня сюжета, то есть сначала определяется, какие сюжеты вообще циркулируют в сети; в-третьих, анализ графа распространения, для каждого сюжета-кластера строится сеть каналов, через которые он прошёл, и в ней видно синхронное, координированное продвижение. Такой метод подходит исследовательским группам и организациям мониторинга, у которых есть доступ к потоку сообщений из Telegram-каналов и которые хотят автоматически находить координированные кампании, а не читать каждое сообщение вручную.

Можно ли доверять

Это препринт на arXiv, версия статьи, которую авторы выложили сами, до или вне независимого рецензирования в научном журнале или на конференции. Аннотация утверждает качественный результат, метод действительно находит координированные кампании и превосходит анализ отдельных постов, но не приводит ни точных цифр точности и полноты, ни размера выборки каналов и сообщений, ни имён авторов или названия организации: проверить заявленную эффективность можно будет только по полному тексту статьи и, в идеале, по независимому воспроизведению. Как и у любого метода на основе автоматической (слабой) разметки, качество результата сильно зависит от того, насколько удачно подобраны эвристики для начальной разметки, а это в аннотации подробно не раскрыто.

Риски и подводные камни

Главный риск, ложные срабатывания при автоматической склейке сообщений в сюжеты: метод на основе слабой (эвристической) разметки может по ошибке объединить в один «дезинформационный кластер» независимые сообщения, которые просто совпали по теме, или, наоборот, пропустить реальный скоординированный вброс, если его каждый раз формулируют по-разному. Есть и более чувствительный риск: тема российско-украинского информационного противостояния политически заряжена, и ошибочная маркировка сюжета как «дезинформации» способна задеть журналистику или мнение, которое лишь совпало по сети распространения с реальным вбросом, грань между координированной пропагандой и органическим интересом к теме не всегда очевидна алгоритму. Наконец, метод описан и опробован на конкретном языковом и политическом материале, российских и украинских каналах, а его переносимость на другие языки, платформы и типы дезинформации аннотация не подтверждает; это должна показать полная версия статьи.