Google publicó una publicación de blog que compartió que actualizaron sus sistemas de aprendizaje automático para detectar y eliminar más reseñas falsas, listados de negocios falsos e imágenes y videos fraudulentos.
Los sistemas automatizados y los equipos de revisión humanos eliminaron más de 200 millones de fotos, 7 millones de videos y bloquearon o eliminaron más de 115 millones de revisiones, lo que representa un aumento del 20 % con respecto al año anterior, 2021.
Cómo detecta Google el spam aportado por los usuarios
Google está utilizando nuevos modelos de aprendizaje automático para detectar y eliminar contenido falso y fraudulento.
Estos modelos de aprendizaje automático buscan patrones inusuales en el contenido aportado por los usuarios, lo que incluye marcar nuevas formas de abuso que no se habían visto anteriormente.
Google compartió:
“Durante mucho tiempo hemos utilizado inteligencia artificial para ayudarnos a detectar patrones de abuso potencial, y continuamos evolucionando nuestra tecnología.
El año pasado, lanzamos una importante actualización de nuestros modelos de aprendizaje automático que nos ayudó a identificar nuevas tendencias de abuso muchas veces más rápido que en años anteriores.
Por ejemplo, nuestros sistemas automatizados detectaron un repunte repentino en los perfiles comerciales con sitios web que terminaban en .design o .top, algo que sería difícil de detectar manualmente en millones de perfiles.
Nuestro equipo de analistas confirmó rápidamente que estos sitios web eran falsos y pudimos eliminarlos y deshabilitar las cuentas asociadas rápidamente”.
Los sistemas de Google revisan el contenido nuevo antes de que se publique para bloquear el contenido falso o fraudulento enviado al sistema de Google Maps.
También implementan un modelo de aprendizaje automático para escanear contenido que ya está publicado, para detectar contenido falso que puede haberse escapado de las revisiones iniciales.
Estos nuevos sistemas bloquean el spam más rápido que en 2021 y capturan más.
Google explicó:
“En algunos lugares, los estafadores comenzaron a superponer números de teléfono inexactos sobre las fotos aportadas, con la esperanza de engañar a las víctimas desprevenidas para que llamaran al estafador en lugar de llamar al negocio real.
Para combatir este problema, implementamos un nuevo modelo de aprendizaje automático que podía reconocer números superpuestos en imágenes aportadas mediante el análisis de detalles visuales específicos y los diseños de las fotos.
Con este modelo, detectamos y bloqueamos con éxito la gran mayoría de estas imágenes fraudulentas y que violan las políticas antes de que se publicaran”.
Estadísticas de bloqueo de spam
El anuncio de Google compartió que en 2022:
- Google bloqueó o eliminó más de 115 millones de reseñas, diciendo que la mayoría fueron bloqueadas antes de ser publicadas.
- Los nuevos algoritmos de lucha contra el spam eliminaron más de 200 millones de fotos y más de 7 millones de videos que violaban las políticas de contenido de Google.
- Bloqueó 20 millones de intentos de crear perfiles comerciales falsos.
- Se agregó protección mejorada para más de 185,000 empresas que estaban experimentando actividades sospechosas.
En enero de 2023, Google envió un comentario a la FTC (lea el PDF aquí) que compartió que Google usa señales para identificar cuentas falsas, además de revisar el contenido.
Google también compartió que ahora escanea imágenes para detectar contenido superpuesto en las imágenes que está destinado a desviar las llamadas telefónicas de una empresa y hacia el número de teléfono de los estafadores.
Verifican si hay bots, contenido duplicado, patrones de palabras que son similares a reseñas falsas conocidas y también usan un sistema que llaman «coincidencia de texto inteligente» que ayuda a identificar contenido engañoso.
Auténtico, Seguro y Confiable
Google utiliza revisores humanos y automatizados en sus esfuerzos por bloquear la actividad no auténtica en el ecosistema de Google Maps.
Detectar actividades fraudulentas en Google Maps es importante tanto para las personas que dependen de las reseñas comerciales como para las empresas que tienen negocios incluidos en el sistema.
Imagen destacada de Shutterstock/ViDI Studio
Fuente: Google
