Twitter-sökningar


Kommen så här långt, insåg undertecknad att detta skulle ge enorma möjligheter att söka efter exempelvis politiska åsikter på sociala fora. Jag hade inte mer än hunnit yttra denna idé förrän Software AGs folk startade nästa applikation, kallad Sentiment analysis. Enkelt uttryckt är det sökning efter nyckelord, positiva såväl som negativa.

Det går att få ett api från Twitter genom viket man kan få alla tweets som stämmer med en angiven hashtag, allt eftersom de flyter in. Apama tar tag i dataströmmen och känsloanalysen i realtid. Vi höll på i 10 sekunder och sög i oss allt med nyckelordet ”Obama”. Det blev över 100 inlägg. Förstora bilden för att se alla dumheter som folk bara vräker ur sig helt frivilligt. Sedan slår man på sökning av ”non-neutral messages” och kan sila fram hatkörerna.

Notera att det här inte är dolt, hemligt eller otillåtet, utan helt öppna, allmänt tillängliga metoder. Den verkliga hemligheten ligger naturligtvis i sökorden, negativa såväl som positiva.

Matrishandel


Datoriserade metoder är alltid känsliga för datoriserade hot. Matrishandel eller högfrekvenshandel, är när en mängd datorer handlar värdepapper automatiskt, utefter vissa uppsatta parametrar. Det handlar om beslut på mikrosekundnivå. Mer om det kan du läsa på http://www.idg.se/2.1085/1.395941/varje-mikrosekund-betyder-miljoner. Det intressanta är hur parametrarna som styr handeln ställs upp.

Om en del av dessa parametrar hämtas in genom känsloanalys från Twitter kan resultatet bli ödesdigert den dag någon bestämmer sig för att sabotera en twitterström.

Detta skedde under andra kvartalet 2013 när hackergruppen Syrian Electronic Army (SEA) tog på sig ansvaret för flera attacker mot nyhetsmedia. Attackerna spred propaganda om Syriens president Bashar al-Assad. En av de mera kännbara attackerna gjordes mot Associated Press twittermatning, där SEA lade ut en fiktiv historia om att Vita Huset bombats. Detta fick Dow Jones Industrial Average (DJIA) att falla 150 punkter eftersom många automatiska handelsdatorer reagerade på detta och började sälja amerikanska värdepapper. På så sätt förlorade DJIA 140 miljarder dollar (1% av dess värde) på bara 90 sekunder.

Här ser vi klart och tydligt farorna med Big Data och högfrekvenshandel som kan kastas omkull fullständigt av falskt data. Uppenbarligen gör Dow Jones alltså Big Data-analyser av folks åsikter på Twitter. Detta var ett exempel på elektronisk krigföring mot västvärlden. Det skulle gå att mycket snabbt åstadkomma en ny recession i världen, genom att tillräckligt målmedvetet plantera falskt data i tjänster som Twitter och Facebook och annat som folk tror på.

Försäkringar


Fujitsu visade sin tillämpning Big Graph vid en presskonferens i Stockholm 2013.

Det handlar om den brittiska socialförsäkringen som har funderat på att börja leta efter försäkringsbedrägerier med hjälp av Big Data-metoder. Applikationen kunde sortera fram misstänkta, eller väldigt misstänkta, bidragsansökningar ur strömmen av ständigt inkommande ansökningar, och flagga dem efter kategorier. Det flöt in omkring en ny ansökan per sekund och de blev snarast till ett grått brus på skärmen, men efter ett tag började misstänkta ansökningar silas fram i rött och sådana värda att undersökas i gult.

Det kunde röra sig om människor som äskat ersättning för att köra barnen till skolan eftersom skolan låg så långt bort, men med kontroll mot verkligheten visade det sig att familjen inte alls bodde där man angivit i ansökan, eller att barnen inte alls gick i den angivna skolan.

Utan kopplingar till omvärlden, med verkliga adresser och verkliga händelser kan Big Data bli tämligen missvisande.

Sida 4 / 5

Innehållsförteckning