冷冻效应：识别网络战略性反社会行为及其对记者的影响

在Twitter等社交平台上，战略性针对性攻击越来越常见，尤其针对女性记者等弱势群体。识别网络战略性行为面临两大挑战：在线对话的复杂结构以及潜在策略的隐蔽性。为此，我们开发了一种新的树结构Transformer模型，根据对话的层级结构对回复进行分类，深入分析潜在策略。大量实验表明，我们提出的分类模型能有效检测不同用户群体——攻击者、支持者和旁观者——及其潜在策略。为验证实用性，我们将该分类器应用于实时Twitter数据，对来自不同文化背景的记者与不同用户群体之间的互动进行系列定量分析。我们的分类方法不仅能探索攻击者的策略性行为，还能分析支持者和旁观者的在线互动。检验网络攻击影响时，我们发现攻击者互动与"冷冻效应"之间存在强相关性，即记者倾向于放慢后续发帖行为。此外，我们发现攻击者对这些对话中其他用户的发帖行为产生负面影响。随着对话深化，回复往往偏离原帖并变得更具毒性。本研究深入揭示了不同用户群体如何参与在线讨论，突出了攻击者存在对记者、其他用户和对话结果的有害影响。我们的发现强调社交平台需要开发工具来解决协同毒性并促进更健康的对话动态。通过早期检测协同攻击模式，平台可以限制有毒内容的可见性以防止升级。此外，为记者和用户提供实时报告和降级工具可以，使他们能更有效地管理敌对互动。增强针对协同行为的审核工具，特别是攻击者之间的协同行为，可确保女性记者等弱势群体更安全的环境，最终支持建设性讨论和弹性在线社区。