Linkedin a publié un communiqué pour expliquer comment le réseau social professionnel se protège au mieux contre les faux profils qui pullulent sur la plateforme. Avec pas moins de 645 millions de comptes actifs, Linkedin ne compte pas se laisser déborder et souhaite conserver un certain professionnalisme et une sécurité avancée pour ses utilisateurs (bien que les failles existent aussi sur ce réseau social bien sûr).
Sur le premier semestre 2019, Linkedin a empêché 21,6 millions de faux profils de nuire à la communauté et au réseau social dans son ensemble. Cela démontre à quel point le spam et le fake a encore de l'avenir tant toutes les plates-formes doivent s'efforcer de l'éradiquer tant bien que mal. Parmi ces faux comptes, voici comment Linkedin a procédé :
- 19,5 millions de faux comptes ont été stoppés d'emblée, avant même d'être confirmés et actifs sur le réseau social professionnel. Ceux-là n'ont pas donc pas pu nuire et démontre que les méthodes de détection semblent plutôt bonnes.
- 2 millions de faux comptes qui sont passés entre les mailles du filet ont été supprimés automatiquement grâce à des systèmes d'apprentissage automatique, avant même le signalement d'un membre. En revanche, 67 000 comptes ont dû attendre des signalements humaines pour être supprimés, enrichissant encore davantage le système de compréhension en machine learning.
Linkedin avait expliqué dans un précédent billet de blog en 2018 comment le système de détection des faux comptes fonctionnait. Grâce à ces méthodes d'intelligence artificielle, de machine learning et de signalements humains, le système s'est nettement enrichi et semble fonctionner de mieux en mieux. Sur les 21,6 millions de faux compte supprimés entre janvier 2019 et juin 2019, 98% ont été détectés par les systèmes automatisés du réseau social professionnel, c'est plutôt rassurant pour la suite...
Linkedin souhaite continuer dans cette voie et encourage les membres à signaler les faux comptes qui auraient réussi à passer outre les systèmes automatisés. Ainsi, la base de travail est enrichie et nourrit les algorithmes de machine learning et deep learning pour les rendre encore meilleurs. Il reste peu de marge de manoeuvre pour atteindre les 100% de réussite, alors aidons le réseau social quand c'est possible (même si je doute qu'il soit possible d'atteindre 100% d'automatisation sans faille).