Lie detection in the future: the online lie detection via human-computer interaction

Half the people in the Planet Earth are now on internet, surfing the web, keeping connection with the outside world, using online services and interacting in social networks. However, the spread of internet is going hand in hand with the growing malicious use of it. Creating fake social network profiles, wide spreading fake news, posting fake reviews, identity theft to perpetuate online financial frauds are only few examples. To face these problems, all the big internet compa-nies, like Google and Facebook, are now taking the direction towards the online lie detection re-search. The present work is a contribution to online deception detection through the study of com-puter-user interaction. After a brief review of the current lie detection methods, focusing on their advantages and disadvantages for online application, a series of proof of concept experiments are reported. Experiments were conducted measuring indices deriving from three different tools of human-computer interaction: reaction times on keyboard, keystroke dynamics and mouse dynam-ics. Two strategies were used to increase liars’ cognitive load and facilitate the observation of distinctive features of deception: unexpected questions and complex questions. Experiments fo-cused on the deception about identity, as it is a very hot issue and represents a current challenge for companies that provide online services. Participants were asked to respond lying or truth tell-ing to questions that appeared on the computer screen, typing the response, clicking on it with the mouse or pressing one of two alternative keys on keyboard. Data collected from liars and truth-tellers’ responses were analyzed and used to train machine learning classification models. Classi-fication accuracies in distinguishing liars from truth-tellers ranged from 80% to 95%, depending on the deceptive task. Results have proved that it is possible to spot liars analyzing their interac-tion with the computer during the act of lie. In particular, we demonstrated that keystroke dynam-ics is a very promising tool for covert lie detection and it is easily integrable with the online exist-ing applications. Moreover, we confirmed that the cognitive complexity of the deceptive task in-creases the possibility to detect deception.

Metà delle persone sul nostro Pianeta navigano nel web, utilizzano servizi online e interagiscono attraverso i social network. Tuttavia, la diffusione di Internet sta andando di pari passo l’uso malevole di esso. La creazione di profili suoi social network, la diffusione di notizie false, il post di recensioni false, le frodi finanziarie online, sono solo alcuni esempi. Per far fronte a queste problematiche, le più grandi compagnie, come Google e Facebook, stanno avviando la ricerca nell’ambito della rilevazione della menzogna online. Il presente lavoro è un contributo alla rilevazione della menzogna online attraverso lo studio dell'interazione tra computer e utente. Dopo una breve rassegna degli attuali metodi di rilevamento della menzogna, concentrandosi sui loro vantaggi e svantaggi per l'applicazione online, vengono riportati una serie di esperimenti. Gli esperimenti sono stati condotti misurando gli indici derivanti da tre diversi strumenti di interazione uomo-macchina: I tempi di reazione su tastiera, la dinamica di battitura su tastiera e la dinamica di movimento del mouse. Sono state utilizzate due strategie per aumentare il carico cognitivo dei soggetti mentitori e facilitare l'osservazione delle caratteristiche peculiari dell'inganno: la tecnica delle domande inaspettate e la tecnica delle domande complesse. Gli esperimenti si sono concentrati sullo studio della menzogna relativa all'identità, dato che si tratta di un tema molto attuale e rappresenta una sfida per le aziende che forniscono servizi online. Ai partecipanti è stato chiesto di rispondere mentendo o dicendo verità alle domande che apparivano sullo schermo del computer, digitando la risposta sulla tastiera, facendo click su di essa con il mouse o premendo uno tra due tasti alternativi di risposta. I dati raccolti dai mentitori e le risposte dei soggetti sinceri sono stati analizzati e utilizzati per costruire modelli di classificazione tramite l’uso di tecniche di apprendimento automatico. L'accuratezza della classificazione nel distinguere i soggetti mentitori dai sinceri varia dall' 80% al 95%, a seconda del paradigma sperimentale utilizzato. I risultati hanno dimostrato che è possibile individuare I soggetti che mentono analizzando la loro interazione con il computer durante l'atto di mentire. In particolare, abbiamo dimostrato che la dinamica di battitura su tastiera rappresenta uno strumento molto promettente per il rilevamento della menzogna, ed è facilmente integrabile con le applicazioni online già esistenti. Inoltre, abbiamo confermato che la complessità cognitiva del compito aumenta la possibilità di individuare la menzogna.