Biometrics in online media: an anti-crisis paradigm shift

Cover Page

Cite item

Full Text

Abstract

Online media is currently grappling with a crisis characterized by diminishing trust, the widespread dissemination of misinformation, and the alarming proliferation of fake news and experiences. The aim of the study - to delve into the challenges plaguing the digital media landscape and to propose the adoption of biometric technology as a potential solution. Biometrics, as a cutting-edge technology, encompasses the intricate process of quantifying and statistically assessing the unique physical and behavioral characteristics that distinguish individuals from one another. Its multifaceted potential extends far beyond mere identification. It is established that biometrics excels in the vital realms of identity verification, content authentication, and countering malicious activities like bots and Sybil attacks. Furthermore, it is applicable for tailoring personalized user experiences, thus offering a comprehensive solution to address the pressing challenges faced by online media today. The usage of these capabilities, makes biometrics a distinctive and promising avenue to not only restore trust but also combat the pervasive issue of misinformation, ultimately fostering a secure and resilient online media ecosystem.

About the authors

Sasha Gennad'evna Shilina

Paradigm Research

Author for correspondence.
Email: sasha@paradigmfund.io
ORCID iD: 0000-0003-4696-0739

Ph.D. in Philology, Chief Research Officer

86 Gorgasali St, Batumi, 6000, Georgia

References

  1. Aldayel, A., & Magdy, W. (2022). Characterizing the role of bots’ in polarized stance on social media. Social Network Analysis and Mining, 12, 30. https://doi.org/10.1007/s13278-022-00858-z
  2. Algavi, L., Volkova, I., Kovalev, G., & Budtsov, G. (2023). Qanon as a transmedia story-telling. Media Education, 19(1), 3-9. https://doi.org/10.13187/me.2023.1.3
  3. Aljabri, M., Zagrouba, R., Shaahid, A., Alnasser, F., Saleh, A., & Alomari, D.M. (2023) Machine learning-based social media bot detection: A comprehensive literature review. Social Network Analysis and Mining, 13, 20. https://doi.org/10.1007/s13278-022-01020-5
  4. Shin, J., & Chan-Olmsted, S. (2023). User perceptions and trust of explainable machine learning fake news detectors. Journal of Communication, 17, 518-540.
  5. Cherrat, E., Alaoui, R., & Bouzahir, H. (2020). Convolutional neural networks approach for multimodal biometric identification system using the fusion of fingerprint, finger-vein and face images. PeerJ Computer Science, 6, e248. https://doi.org/10.7717/peerj-cs.248
  6. Cresci, S., Di Pietro, R., Petrocchi, M., Spognardi, A., & Tesconi, M. (2017). Paradigm-shift of social spambots: Evidence, theories, and tools for the arms race. WWW '17 Companion: Proceedings of the 26th International Conference on World Wide Web Companion (pp. 963-972). https://doi.org/10.1145/3041021.3055135
  7. Del Vicario, M., Bessi, A., Zollo, F., Petroni, F., Scala, A., Caldarelli, G., Stanley, H.E., & Quattrociocchi, W. (2016). The spreading of misinformation online. Proceedings of the National Academy of Sciences, 113(3), 554-559. https://doi.org/10.1073/pnas.1517441113
  8. Di Domenico, G., Sit, J., Ishizaka, A., & Nunan, D. (2021). Fake news, social media and marketing: A systematic review. Journal of Business Research, 124, 329-341. https://doi.org/10.1016/j.jbusres.2020.11.037
  9. Douceur, J.R. (2002). The Sybil attack. In P. Druschel, F. Kaashoek, & A. Rowstron (Eds.), Peer-to-Peer Systems. IPTPS 2002. Lecture Notes in Computer Science (vol. 2429, pp. 251-260). Berlin, Heidelberg: Springer. https://doi.org/10.1007/3-540-45748-8_24
  10. Engelke, K.M., Hase, V., & Wintterlin, F. (2019). On measuring trust and distrust in journalism: Reflection of the status quo and suggestions for the road ahead. Journal of Trust Research, 9(1), 66-86. https://doi.org/10.1080/21515581.2019.1588741
  11. Ferrara, E. (2018). Measuring social spam and the effect of bots on information diffusion in social media. Complex Spreading Phenomena in Social Systems (pp. 229-255). Cham: Springer. https://doi.org/10.1007/978-3-319-77332-2_13
  12. Fink, K. (2019). The biggest challenge facing journalism: A lack of trust. Journalism, 20(1), 40-43. https://doi.org/10.1177/14648849188070
  13. Jin, J. (2022). Convolutional neural networks for biometrics applications. SHS Web of Conferences: 2022 International Conference on Science and Technology Ethics and Human Future, 144, 03013. https://doi.org/10.1051/shsconf/202214403013
  14. Kaur, G., & Verma, C.K. (2014). Comparative analysis of biometric modalities. International Journal of Advanced Research in Computer Science and Software Engineering, 4(4).
  15. Kavazi, D., Smirnov, V., Shilina, S., MOZGIII, Li, M., Contreras, R., Gajera, H., Lavrenov, D. (2021). Humanode. Whitepaper v. 0.9.6 “You are [not] a bot”. https://doi.org/10.13140/RG.2.2.25572.91528
  16. Kolo, C., Mütterlein, J., & Schmid, S.A. (2022). Believing journalists, AI, or fake news: The role of trust in media. Proceedings of the 55th Hawaii International Conference on System Sciences. Retrieved September 21, 2023, from http://hdl.handle.net/10125/79727
  17. Park, S., Fisher, C., Flew, T., & Dulleck, U. (2020). Global mistrust in news: The impact of social media on trust. International Journal on Media Management, 22(2), 83-96. https://doi.org/10.1080/14241277.2020.1799794
  18. Pennycook, G., & Rand, D.G. (2021). The psychology of fake news. Trends in Cognitive Sciences, 25(5), 388-402. https://doi.org/10.1016/j.tics.2021.02.007
  19. Prochazka, F., & Schweiger, W. (2019). How to measure generalized trust in news media? An adaptation and test of scales. Communication Methods and Measures, 13(1), 26-42. https://doi.org/10.1080/19312458.2018.1506021
  20. Raheem, E.A., Ahmad, S.M.S., & Adnan, W.A.W. (2019). Insight on face liveness detection: A systematic literature review. International Journal of Electrical and Computer Engineering, 9(6), 5865. http://doi.org/10.11591/ijece.v9i6.pp5165-5175
  21. Shao, C., Ciampaglia, G.L., Varol, O., Yang, K., Flammini, A., & Menczer, F. (2018). The spread of low-credibility content by social bots. Nature Communications, 9, 4787. https://doi.org/10.1038/s41467-018-06930-7
  22. Thakur, S., & Breslin, J.G. (2021). Rumour prevention in social networks with layer 2 blockchains. Social Network Analysis and Mining, 11, 104. https://doi.org/10.1007/s13278-021-00819-y
  23. Usher, N. (2018). Re-thinking trust in the news: A material approach through “Objects of Journalism”. Journalism Studie, 19(4), 564-578. https://doi.org/10.1080/1461670X.2017.1375391
  24. Volkova, I.I., & Lazutova, N.M. (2017). Screen media and human ecology: From charming to joining. Bulletin of Orenburg State University, (12), 106-111. (In Russ.) 10.25198/1814-6457-212-106' target='_blank'>https://doi: 10.25198/1814-6457-212-106
  25. Vosoughi, S., Roy, D., & Aral, S. (2018). The spread of true and false news online. Science, 359(6380), 1146-1151. https://doi.org/10.1126/science.aap95
  26. Zhang, X., & Ghorbani Ali, A. (2020). An overview of online fake news: Characterization, detection, and discussion. Information Processing & Management, 57(2). https://doi.org/10.1016/j.ipm.2019.03.004

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».