가짜 뉴스는 초기 전파 단계에서도 진짜 뉴스와 다르게 퍼진다

초록

중국 위보와 일본 트위터에서 수집한 가짜·진짜 뉴스 전파 데이터를 분석한 결과, 가짜 뉴스는 첫 재포스트 후 5시간 이내에도 전파 구조가 현저히 다름이 밝혀졌다. 전파 깊이·분기·속도 등 위상적 특성이 조기에 구분 가능하므로, 이러한 신호를 활용하면 초기 단계에서 가짜 뉴스를 효과적으로 탐지할 수 있다.

상세 분석

본 연구는 기존 가짜 뉴스 연구가 이론적 전파 모델링이나 블랙박스 머신러닝 분류에 치중한 점을 보완하고자, 실제 사용자 행동을 그대로 담은 대규모 전파 로그를 두 문화권(중국·일본)의 대표 SNS인 위보와 트위터에서 수집하였다. 데이터는 ‘가짜’와 ‘진짜’로 사전 라벨링된 기사·포스트를 기준으로, 각 포스트가 최초 등장한 시점부터 재포스트(리트윗·리포스트)까지의 전체 트리를 재구성하였다. 전파 구조를 정량화하기 위해 cascade size(전체 재포스트 수), depth(최장 경로 길이), breadth(각 레벨의 평균 자식 수), virality(구조적 다양성을 나타내는 Gini 계수) 등 네 가지 위상 지표를 정의하고, 초기 단계(첫 5시간)와 전체 단계에서의 차이를 비교하였다. 결과는 두 플랫폼 모두에서 일관되게 나타났다. 가짜 뉴스는 초기 단계부터 진짜 뉴스보다 평균 depth가 1.8배, breadth가 1.5배 높았으며, 전파 속도 역시 30% 이상 빠른 것으로 나타났다. 이는 가짜 뉴스가 ‘핵심 전파자’를 중심으로 급격히 확산되는 ‘뿌리 깊은’ 구조를 형성한다는 것을 의미한다. 반면 진짜 뉴스는 보다 평탄한 전파 트리를 보이며, 재포스트가 일어나더라도 전파 폭이 제한적인 경향을 보였다. 이러한 구조적 차이는 문화적 차이나 플랫폼 특성(위보의 ‘친구·팔로워’ 기반 vs 트위터의 ‘팔로우’ 기반)과 무관하게 공통적으로 나타났으며, 초기 전파 단계에서만으로도 충분히 구분 가능한 신호임을 시사한다. 또한, 기존 연구에서 강조된 내용 기반 특징(텍스트, 이미지 등)과 달리, 순수 위상 정보만으로도 높은 구분 정확도를 달성할 수 있음을 보여준다. 다만 라벨링 오류, 특정 주제에 편중된 샘플, 그리고 5시간이라는 임계값이 플랫폼마다 다르게 작용할 가능성 등 몇몇 한계점도 존재한다. 향후 연구에서는 이러한 위상 특징을 실시간 탐지 시스템에 통합하고, 내용 기반 특징과 결합함으로써 탐지 정확도와 신뢰성을 동시에 향상시키는 방향을 제시한다.