Přístupnostní navigace
E-application
Search Search Close
Bachelor's Thesis
Author of thesis: Patrik Žáček
Acad. year: 2025/2026
Supervisor: Ing. Anton Firc, Ph.D.
Reviewer: Ing. Milan Šalko
Social media platforms attract automated bots that manipulate public opinion and spread misinformation. Modern bots utilize language models to generate human-like text, rendering traditional detection methods less effective. This thesis introduces a hybrid multi-modal detection system combining profile metadata analysis, tweet semantics, and temporal activity patterns. The metadata branch uses tree-based models, the content branch employs advanced language models, and the temporal branch utilizes sequential neural networks. A meta-classifier then fuses their outputs. Evaluated on the challenging TwiBot-22 dataset, the proposed dual-modal ensemble achieves an accuracy of 77.55%, an F1-score of 54.86%, and an MCC of 0.418. It outperforms legacy tools and text-only models, rivaling graph neural networks without requiring extensive graph data at inference time. Real-time deployment confirms that multi-modal fusion enhances detection robustness and enables the efficient analysis of isolated accounts.
Bot Detection, Fake Accounts, Social Media Security, Machine Learning, NLP
Date of defence
19.06.2026
Result of the defence
Defended (thesis was successfully defended)
Grading
A
Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných, např. ohledně temporální části a reakčního času. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A - výborně.
Topics for thesis defence
Language of thesis
English
Faculty
Fakulta informačních technologií
Department
Department of Intelligent Systems
Study programme
Information Technology (BIT)
Composition of Committee
doc. Dr. Ing. Otto Fučík (předseda) doc. Mgr. Kamil Malinka, Ph.D. (místopředseda) Ing. Marta Jaroš, Ph.D. (člen) Ing. Vladimír Veselý, Ph.D. (člen) Ing. David Bařina, Ph.D. (člen)
Supervisor’s reportIng. Anton Firc, Ph.D.
Jedná se o velmi pěkně zpracovanou práci, ve které student prokázal výborné pochopení řešeného problému i použitých technologií. Výsledek práce je konkurenceschopný vůči dalším publikovaným detekčním metodám a metodický přístup k testování je nad rámec běžných očekávání u bakalářské práce. S celkovým zpracováním práce i s přístupem studenta jsem velmi spokojen. Práci hodnotím stupněm A (95b).
Zadání práce hodnotím jako průměrně náročné. Cílem bylo vytvořit metodu pro detekci botů na sociálních sítích, což vyžadovalo nastudování problematiky, seznámení se s existujícími přístupy, volbu vhodných metod a jejich následnou implementaci s využitím existujících frameworků. Výsledné řešení rozšiřuje původní požadavek na implementaci jedné metody, neboť student vytvořil multimodální systém složený ze čtyř detektorů. Zadání tedy bylo splněno bez výhrad a v některých částech i překročeno.
Student pracoval s literaturou samostatně. Aktivně dohledával relevantní odborné zdroje a vhodně je využíval při návrhu a realizaci řešení.
Student pracoval během řešení převážně samostatně. Konzultace probíhaly spíše formou průběžných zpráv o postupu práce a prezentace dosažených výsledků. Případné komentáře a připomínky byly zapracovány do řešení.
Práce byla dokončena s dostatečným předstihem a její finální podoba byla konzultována před odevzdáním. K procesu dokončování nemám připomínky.
Student publikoval výsledky práce na studentské konferenci Excel@FIT.
Grade proposed by supervisor: A
Reviewer’s reportIng. Milan Šalko
Práce řeší aktuální a prakticky významný problém detekce falešných účtů na sociálních sítích. Student odvedl velmi kvalitní práci jak v analytické, tak v implementační části. Technická zpráva je přehledně strukturovaná, zadání bylo splněno bez výhrad a realizační výstup působí funkčně a prakticky využitelně. Celkově práci považuji za kvalitne zpracovanou bakalářskou práci.
Evaluation level: obtížnější zadání
Zadání považuji za obtížnější. Práce se zabývá aktuálním a prakticky významným problémem detekce falešných účtů na sociálních sítích. Řešení vyžadovalo seznámení se s oblastí strojového učení, zpracování dat ze sociálních sítí, existujícími detekčními metodami a také s praktickými omezeními souvisejícími s dostupností dat a nasazením podobných nástrojů v reálném prostředí.
Technická zpráva je členěna do logicky navazujících kapitol. Struktura práce je srozumitelná a čtenář je postupně veden od popisu řešeného problému přes existující přístupy až k návrhu, implementaci a vyhodnocení vlastního řešení. Text je dobře organizovaný a jednotlivé části práce na sebe přirozeně navazují.
Práce neobsahuje výrazné typografické nedostatky. Text je dobře strukturovaný a po formální stránce působí přehledně. Jazyková a typografická úroveň technické zprávy nenarušuje čitelnost ani celkový dojem z práce.
Student výslednou práci předvedl. Implementace působí funkčně a zdrojový kód je dobře strukturovaný a okomentovaný. Pozitivně hodnotím také přítomnost hlaviček se jménem autora. Realizační výstup odpovídá zadání a představuje použitelný nástroj pro detekci falešných účtů. Za vhodné považuji také to, že student při návrhu finálního řešení zohlednil výsledky experimentálního vyhodnocení jednotlivých podčástí modelu. Vynechání větve s nízkým přínosem k výsledné klasifikaci ukazuje schopnost kriticky vyhodnotit navrženou architekturu a ponechat ve výsledném řešení pouze části, které mají pro detekci praktický význam.
Výsledná aplikace působí funkčně a navržený nástroj je možné využít v praxi. Práce má zároveň potenciál sloužit jako základ pro další výzkum nebo vědeckou publikaci, zejména vzhledem k tomu, že dosažená přesnost je porovnatelná se současnými SOTA řešeními v dané oblasti.
Evaluation level: zadání splněno
Zadání bylo splněno bez výhrad ve všech bodech. Student se seznámil s problematikou falešných účtů a botů na sociálních sítích, analyzoval existující přístupy k jejich detekci, navrhl vlastní řešení, implementoval příslušný nástroj a provedl jeho vyhodnocení.
Evaluation level: je v obvyklém rozmezí
Technická zpráva má přibližně 87 normostran, čímž splňuje požadovaný rozsah bakalářské práce. Rozsah práce považuji za přiměřený vzhledem k řešenému tématu.
Práce využívá vhodnou a relevantní literaturu vztahující se k řešenému tématu. Použité zdroje poskytují dostatečný základ pro pochopení problematiky detekce falešných účtů na sociálních sítích i pro zasazení navrženého řešení do kontextu existujících přístupů.
Grade proposed by reviewer: A
Responsibility: Mgr. et Mgr. Hana Odstrčilová