Crfxfnm dbltj c bycnfuhfvv: Скачать фото и видео с Инстаграма

Мы не может загружать видео с Youtube.

Как загрузить видео в Инстаграм с YouTube 3 способа

Владельцы каналов на популярном видеохостинге задумываются, как добавить видео в инстаграм с ютуба, ведь это принесет дополнительные просмотры каналу. К сожалению нет официального способа прикрепления видео, но все же это возможно.

Как добавить видео в инстаграм с YouTube

Мы рассмотрим 3 основных способа добавления видео с YouTube в инстаграм, где подробно распишем как это делается, особенности и прочее. В интернете существует множество программ и сервисов, которыми стоит воспользоваться.

Savefrom.net

Это один из самых простых методов, так как состоит всего из нескольких этапов:

1. Найдите нужный ролик на ютубе и скопируйте на него ссылку.
2. Перейдите на сайт https://ru.savefrom.net, там есть окно для вставки ссылки.
   
3. Вставьте туда скопированный линк.
   
4. Выберите качество и нажмите «Скачать».
   
5. Ожидайте, пока ролик загрузится на устройство.

Первый этап готов, он займет около 1-3 минут, в зависимости от скорости вашего интернета. Если вы скачали видео на ПК, то перекиньте его на свой телефон или загрузите видео с компьютера, далее делайте следующее:

1. В зависимости от операционной системы смартфона или планшета, загрузите приложение InstaVideo из App Store или Google Play.
2. Запустите его и в нем выберите нужный фрагмент видео.
   
3. Готовое полученное видео можете выкладывать в инсту.

Приложение SaveDeo

Этот способ, как выложить видео в инстаграм с ютуба некоторым пользователям нравится гораздо больше, чем предыдущий:

1. Загрузите приложение на свой смартфон по ссылке, к сожалению, в Play Market его нет.
2. Скопируйте ссылку видео из ютуба.
3. Запустите программу.
   
4. Кликните по кнопку вставки ссылки.
5. Затем выберите куда нужно выложить видео и следуйте инструкциям на экране.

SMMPlaner

В этом способе подразумевается использование стороннего сервиса СММПланер, который разработан для автопостинга во все популярные социальные сети. Работать с ним не сложно, сначала нужно скачать на ПК видео из Ютуба. Без сторонних сервисов это делается так:

1. Откройте ролик на видеохостинге.
   
2. В адресной строке, перед youtube поставьте символы «ss» и нажмите Enter.
   
3. На следующей странице кликните «Скачать без установки» и загрузите ролик.
   

Теперь переходим к следующему этапу:

1. Перейдите на страницу сервиса https://smmplanner.com.
2. Зарегистрируйтесь, чтобы получить доступ в личный кабинет.
   
3. Далее авторизуйтесь и найдите кнопку «Запланировать пост».
4. Далее выберите, что вы хотите загрузить и подготовьте пост, видео.

Увы, но сервис автоматически обрезает видео до 1 мин, поэтому лучше подготовьте ролик самостоятельно через видеоредактор.

Как поделиться видео с ютуба в инстаграм

Если вам нужно запостить какой-то ролик ию ютуба в инсту, это делается так:

1. Откройте видео на youtube.
2. Нажмите кнопку «Поделиться».
3. Выберите в списке предложенного инсту.
   
4. Выберите контакт, которому следует отправить ролик.

3 приложения для красивых видео в Инстаграм

Видео в Инстаграме помогает увеличивать охваты, помогает увеличить вовлеченность и быстрее попадает в рекомендации. Я уже рассказала про 10 приложений для «Историй», а здесь собрала 3 приложения, чтобы делать классные видео для Инстаграма.

Inshot — на все случаи

Самое базовое приложение, где вы можете полноценно монтировать видео, добавлять музыку, подписи, анимацию между кадрами, фильтры, эффекты, стикеры, регулировать скорость. В приложении легко разобраться, но в бесплатной версии у роликов остаётся водяной знак.

Цена: бесплатно, платная версия от 329 ₽ в месяц по подписке. Скачать из App Store и Google Play.

Загружайте ролики в Амплифер, чтобы публиковать посты в Инстаграм. Попробуйте 7 дней бесплатно

Prequel — красивые эффекты

Если вы ищете приложение, где можно добавлять модные «пылинки» или добавлять эффект пленки на видео, то это оно. Здесь также можно обрезать видео и изменить его скорость, добавить музыку, сделать цветокоррекцию и ретушь, чего нет в других представленных приложениях. В Prequel очень много фильтров и эффектов, но они доступны только в платной версии.

Цена: бесплатно, платная версия по подписке от 299 ₽ в неделю. Скачать из App Store и Google Play.

Vochi

Эффектами из этого приложения вы точно сможете удивить подписчиков — приложение позволяет выбирать определённый объект в видео и добавлять к нему анимированные эффекты. Например, бегающую линию или неоновую подсветку. Приятно, что в бесплатной версии много эффектов и можно настроить цветокоррекцию, но жаль, что остаётся водяной знак, да и для полноценного монтажа Vochi не подойдёт.

Цена: бесплатно, платная версия по подписке от 459 ₽ в месяц. Скачать из App Store и Google Play.

⌘⌘⌘

Я регулярно использую все три приложения. Монтирую видео и добавляю музыку в InShot, за фильтрами и «пылинками» иду в Prequel, а после могу добавить анимацию в Vochi. Так видео получаются динамичными и цепляющимися — я каждый раз получаю вопросы о том, какие приложения для этого использую :). Можете посмотреть в моём Инстаграме.

Публикуйте видео в Инстаграм с компьютера

Подключите Инстаграм в Амплифере, и планируйте публикации с видео, фото и «Историями» в удобном редакторе и календаре. Получайте рекомендации по лучшему времени и оценивайте эффективность.

Как добавить видео с Ютуба в Инстаграм

YouTube – это, без сомнения, самый популярный видеохостинг в мире и равных ему пока вообще нет. Тут можно найти любое видео, любой тематики и, что самое главное, нет вредного, вызывающего отвращение, мошеннического или порнографического контента. Именно поэтому многие пользователи стремятся отправить понравившееся видео в свою Instagram ленту. Но как это сделать, ведь по умолчанию такая функция не поддерживается? Именно об этом и пойдет речь в нашей сегодняшней статье, скоро вы узнаете, как добавить видео с «Ютуба» в Инстаграм. Что же, не откладывая, приступаем.

Данный вариант подходит исключительно для Android-смартфонов, так как Айфон «не умеет» скачивать произвольные файлы через браузер. Если вы хотите обойти такое ограничение, читайте, как скачать видео с YouTube на iPhone.

Прежде чем вы продолжите чтение, рекомендуем просмотреть обучающий ролик по теме. В нем автор подробно рассказывает и показывает, как добавить видео с YouTube в Instagram. Досмотрите его до конца и, возможно, читать статью вам уже не придется.

Добавляем видео с YouTube в Instagram

Первое, что нам нужно сделать, это скачать видео с YouTube. Так как сделать это при помощи самого сервиса нельзя, придется прибегнуть к небольшой хитрости. Заключается она в следующем:

1. Существует большое количество способов, позволяющих скачать видео с Ютуба на Андроид. Однако мы остановимся на самом простом, не предусматривающем загрузку какого-либо дополнительного программного обеспечения. Итак, открываем наш мобильный браузер, переходим на сайт YouTube и в меню обозревателя переключаемся на полную версию сайта.
2. Далее переходим к ролику, который хотим добавить в Инстаграм и запускаем его воспроизведение.
3. В адресной строке перед словом «youtube» добавляем две буквы «ss» (смотрите скриншот ниже), после чего переходим по получившемуся адресу.

4. В результате откроется новая страница, на которой нам нужно нажать кнопку скачивания. Ни формат файла, ни его размер менять не нужно.

5. Далее начнется скачивание, длительность которого всецело зависит от скорости вашего подключения к сети. Так или иначе, дожидаемся его завершения.

6. После этого можно, собственно, приступать и к самой публикации. Запускаем наш Инстаграм, жмем кнопку добавления материала, выбираем пункт «Галерея» и видео, которое только что скачали. После этого пишем название, вставляем #хештеги и отправляем файл в сеть.

А что же с Айфоном, как добавить видео с YouTube в Instagram на нем? Как мы уже говорили, тут есть некоторые трудности, но и их можно с легкостью обойти.

А делается это примерно так:

1. Изначально нам нужно скачать программу, которая поможет решить все проблемы. Это файловый менеджер «Documents» и достать его можно из App Store. Делаем это.
2. После этого, точно так же, как и на Андроид, переходим в мобильном браузере к нужному клипу на Ютубе и копируем ссылку на него.
3. Запускаем скачанное ранее приложение и в его правом нижнем углу жмем кнопку с изображением компаса.

4. В адресной строке открывшегося файлового менеджера вводим адрес «savefrom.net» и переходим по нему. Вставляем нашу ссылку и жмем зеленую кнопку.
5. Далее скачиваем видео по появившейся кнопке.
6. Но и это еще не все, теперь полученный файл нужно переместить в «Фотопленку». Для этого просто откройте меню клипа и выберите, куда его копировать. После этого мы можем добавлять ролик в наш Инстаграм.

Существует и еще один вариант – это использование Телеграм бота «SaveBot». Он поможет вам автоматически скачать видео и поместить его в Инстаграм. О том, как это сделать, подробнее написано в одной из наших статей.

Мнение эксперта

Дарья Ступникова

Специалист по WEB-программированию и компьютерным системам. Редактор PHP/HTML/CSS сайта os-helper.ru.

Процесс кажется слегка запутанным, однако, по-другому, добавить видео из YouTube в Инстаграм через iPhone не получится.

В заключение

На этом мы заканчиваем свою статью и надеемся, что она окажется для вас полезной. Теперь вы наверняка хорошо усвоили, как добавить видео с «Ютуба» в Инстаграм и вопросов возникать не должно.

Однако, если что-то останется непонятным, можете спросить об этом у нас. Мы всегда прислушиваемся к своим посетителям и своевременно даем ответы на их вопросы.

Как загрузить фото/видео в Instagram с компьютера (Секреты SMM)

Она проста и понятна.

Анатолий Улитовский уже посвятил ряд статей тому, как зарабатывать в Instagram и как вести свою страничку Instagram.

В ней сосредоточены ТОП-блогеры планеты, знаменитости, киноактеры, а также коммерческие аккаунты.

Лента Инстаграма обычно пестрит стильными фотографиями, короткими видеороликами и историями.

И часто публикации и истории размещают просто со смартфона.

При этом браузерная версия Instagram выглядит так:

Понятно, что на смартфоне есть отличное приложение, в котором можно использовать все функции по максимуму.

На веб-версии много чего сделать нельзя:

• Нельзя написать сообщение в Директ;
• Нельзя опубликовать фотографию;
• Нельзя опубликовать историю.

Что же можно?

• Можно лайкать, комментировать.
• Можно посмотреть историю – кто лайкал, упоминал Вас, комментировал Ваши публикации.

Но не всегда это удобно.

На то есть ряд причин:

• С компьютера гораздо удобнее набирать текстовое сообщение – мы пишем на клавиатуре обычно быстрее, чем даже от руки.
• С компьютера куда удобнее делать удачные фотографии для коммерческого аккаунта – обработанные в Photoshop, Lightroom или подобных программах.
• С телефона неудобно работать – устройство не располагает к полноценной работе SMM-менеджера за рабочим местом. Вы можете открыть только одно окно приложения – для каждого нового окна Вам понадобится еще один смартфон.

Как ни крути, смартфон просто необходим. И при этом неудобен.

В этой статье я расскажу все секреты, как можно пользоваться Instagram с компьютера, не применяя для этих целей смартфон!

Если Вы хотите заказать настройку таргетинга в соцсетях, пожалуйста, заполните следующую форму:

ГЛАВА 1:

Используем официальное приложение Windows PC

Самый простой и очевидный способ использовать Instagram – конечно же, скачать официальное приложение для компьютера.

Если Вы зайдете с компьютера в Instagram, Вас встретит вполне очевидный экран.

Скачать он предложит только два приложения – для Android и для iOS.

А если зайти в поддержку, то в разделе «Использование Инстаграм» Вы найдете пустой раздел помощи по поводу веб-версии.

Все печально.

Но если у Вас Windows 10, Вы можете запустить магазин Windows Store и найти там официальное приложение Instagram!

Совсем не очевидно, но его можно скачать.

При клике Вы попадете в приложение магазина Windows.

После этого нажмите кнопку «УСТАНОВИТЬ», дождитесь установки.

Когда установка будет проведена успешно, нажмите кнопку «ЗАПУСТИТЬ».

Затем, когда приложение будет запущено, введите свои данные (своего Instagram-аккаунта).

После этого Вам будет доступна кнопка:

Но у Вас может быть проблема – кнопка «Разрешить доступ к микрофону» может быть неактивна, и ничего опубликовать не выйдет.

Для этого закройте Instagram-приложение.

Затем нажмите кнопку «Windows + I».

Выберите раздел «Конфиденциальность».

Выберите поле «Микрофон» и расширьте права для микрофона для приложения Instagram.

Здесь все просто – выбираете фотографию и публикуете.

Тут выберите из галереи нужную картинку.

Помните, что картинки нужно предварительно отправить в папку «Альбом камеры».

Никаких трудностей.

Хотя некоторые все же есть.

1. Приложение немного глючное – не всегда корректно может работать галерея.
2. Танцы с бубнами Вам обеспечены – приложение-то из магазина Windows. Может крашиться, когда угодно.
3. Если у Вас плохая фронталка – фоткаться, конечно же, я не рекомендую.

Но кое-что в ней не отнять.

Простой и понятный способ писать личные сообщения.

Выбираете любого пользователя, которому нужно ответить – и отвечаете.

Из преимуществ – простые уведомления, когда любой пользователь пишет Вам в Директ.

Но Instagram-приложение не так активно обновляется, так что тут GIF не поддерживаются до сих пор.

Как итог:

1. Фотки публикуются с проблемами – не рекомендую приложение для публикации.
2. Поддерживается возможность переписки в Директ.

ГЛАВА 2:

Как загрузить фото из веб-версии Instagram

Если у Вас не сложилась работа с приложением для Windows, а телефон не очень удобен, пробуйте работать с веб-версией.

Веб-версия Instagram – достаточно урезана в функционале.

Но Вы можете увидеть секретные возможности – для этого просто откройте браузер Chrome и перейдите по ссылке instagram.com.

Затем нажмите F12 и CTRL+SHIFT+M (или просто кликните на эту иконку).

Далее кликните в левом верхнем углу на слово «Responsive» (или любое слово, которое там может быть прописано) и просто смените Ваше устройство на любое другое.

Вроде бы ничего не изменилось?

Затем просто нажмите SHIFT+CTRL+R – обновите кеш!

Вы заметите, как появится специальный тулбар, который есть в каждом приложении Instagram!

Но при попытке добавления фотографий мы рекомендуем выбрать среди типов файлов – «Все файлы», иначе PNG-изображения отображаться не будут!

Затем добавьте фотографию, проверьте, что она отображается корректно.

Я заметил, что кнопки «Редактировать» и «Фильтр» не работают.

Если все окей, жмите далее.

После этого Вам нужно просто ввести текст, который Вы хотите опубликовать.

Ну и результат налицо – публикация готова!

ГЛАВА 3:

Как добавить историю в Instagram с компьютера

Но как добавить свою историю?

Как поставить это на поток – читай наш лайфхак!

Для добавления истории мы снова попадаем в мобильную версию сайта.

Напомню, для этого нажмите F12, затем SHIFT+CTRL+M, выберите мобильное устройство и обновите страницу – SHIFT+CTRL+R.

Вверху есть кнопочка по добавлению истории – думаю, ее трудно не заметить.

Затем не забудьте выбрать «Все файлы» и добавьте нужное фото или видео:

Далее просто добавьте текст при помощи привычных утилит.

Затем жмите кнопку «Дополнить историю».

И вот – Stories опубликована!

ВЫВОДЫ

Чтобы полноценно пользоваться Instagram с персонального компьютера, Вам нужно не так много всего.

Во-первых, это удобный фото- и видеоредактор. Я использую Adobe Photoshop для фотографий и Adobe Premiere для видеороликов. Быстро монтирую нужный мне материал там.

Во-вторых, это браузер Chrome. Я начал активно использовать веб-версию Instagram для публикаций. Не привязываюсь к телефону – очень удобно делать клиентские публикации сразу из браузера – когда текст тебе написал, например, редактор. При помощи десктоп-версии мне удобно публиковать фотографии, видео в ленту.

Я знаю, что галереи работают в бизнес-контенте хуже, а вот именно одиночные фотографии и видео я заливаю чаще всего с браузера.

В-третьих, это официальное приложение в магазине Windows. При помощи этого приложения я переписываюсь с клиентами – есть удобные уведомления о входящем сообщении в браузере, поддерживается отправка фотографий.

Почему я не рекомендую приложение BlueStacks?

Для тех, кто не в теме, это эмулятор Android для ПК.

На нем можно найти и установить приложение Instagram, и оно будет работать точь-в-точь как на смартфоне.

Вы можете его установить и запустить любое приложение.

Но есть недостатки.

Во-первых – это тяжеловесность приложения. Не каждая домохозяйка (простите, бизнес-леди) будет заморачиваться с установкой стороннего софта, который вообще придумали геймеры для того, чтобы играть на ПК в свои любимые игрушки.

Во-вторых – это все-таки эмулятор. Вас будет преследовать реклама и внутри эмулятора, и внутри самого Instagram.

В-третьих, зачем, если есть более простые способы?

А Вы как работаете с Instagram? Делитесь мнениями в комментариях!

Рекомендуемые статьи по теме

ЦЕПЛЯЕМ КЛИЕНТОВ КЛАССНЫМИ ФОТО: НАСТРОЙКА ТАРГЕТА В ИНСТАГРАМЕ

СЕКРЕТЫ ИДЕАЛЬНОГО ОФОРМЛЕНИЯ ИНСТАГРАМА: КЛЮЧ К ПРОДАЖАМ И ПОПУЛЯРНОСТИ

16 СЕРВИСОВ ДЛЯ АВТОПОСТИНГА В СОЦИАЛЬНЫХ СЕТЯХ: ОБЗОР

5 СЕРВИСОВ СБОРА СТАТИСТИКИ В ИНСТАГРАМЕ: ВЫБИРАЕМ ИДЕАЛЬНЫЙ

ТОП-33 САЙТОВ ПО РАСКРУТКЕ В INSTAGRAM

Cheryl Brunette — вязать лучше, жить проще.

Будьте смелее и счастливее вязальщицы. Присоединяйтесь к моему вязальному племени, отряду, труппе, группе, банде. . . стайка девчонок и ребят, которые вяжут. . . подписавшись на мою электронную рассылку новостей.

КОГДА ВЫ ПОДПИСЫВАЕТЕСЬ. . .

• Вы получите электронное письмо с просьбой подтвердить, что это действительно вы подписались, а не ваш зять, чья неубедительная концепция остроумия заключается в том, чтобы подписывать вас на то, что вы ненавидите. (Хотя вязание тяжело ненавидеть.Гольф, конечно, другое дело. Человек может ненавидеть гольф.)
• Где-то между разом в неделю и раз в несколько месяцев вы будете получать электронное письмо со ссылками на статьи, новостями YouTube, дополнительными советами по вязанию, случайными идеями, специальными предложениями и случайными историями.
• Вы поможете мне разработать новые программы и инструменты. Я хочу знать ваши самые животрепещущие вопросы по вязанию, ваши самые душераздирающие нити, ваши самые запутанные проблемы.

~ Так вы хотите быть в курсе? Это бесплатно.

».. . Когда я смотрю одно из ваших видео или получаю письмо по электронной почте, я как будто слышу от друга из дома: -) С уважением, Дебора »

«Мне нравятся ваши электронные письма. Они всегда вызывают у меня улыбку и дополняют мои знания. Желаю вам всего наилучшего », Charlotte H

«Мне очень нравятся ваши электронные письма. И твою книгу свитеров, и все твои видео. Большое спасибо!» Tacy C

«Я с нетерпением жду ваших сообщений. У меня есть книга свитера 101, и в ближайшем будущем я планирую начать выпуск свитера.Я сохраняю все ваши сообщения, поскольку они очень полезны. Ты благословение ». Кэрол

«Спасибо! Люблю электронные письма и ссылки. Очень полезно.» Мэрилин К

«Привет и большое спасибо за ваше сообщество. Я люблю каждый раз, когда я получаю от вас письмо, это делает мой день ярче, и я узнаю что-то новое. Итак, с большой любовью к вам », Mona A

Шерил,
« Ты молодец! Большое спасибо за ваш блог и ваши электронные письма! Надеюсь, что у вас будет потрясающий круиз — может быть, в следующий раз….. Ваше здоровье! Сьюзан »

рецептов съедобных насекомых | Crunchy Critters

Состав:

• Овощи — одна луковица, одна морковь, две палочки сельдерея, шесть грибов, один зубчик чеснока, половина кабачков, шесть листьев мяты, небольшая веточка петрушки и один красный перец чили (по желанию)
• Специи — две чайные ложки молотого кориандра, одна чайная ложка молотого тмина, одна чайная ложка перца, одна чайная ложка заатар и одна чайная ложка пасты из хариссы (можно найти в большинстве магазинов здорового питания, а также по желанию), половина чайной ложки куркумы, половина чайной ложки тимьяна, четверть чайной ложки корицы. , две чайные ложки белого перца, одна чайная ложка морской соли
• Шесть ломтиков черного хлеба в панировочных сухарях
• Два взбитых яйца
• Пятьдесят граммов мучных червей или сверчков Crunchy Critters или смесь каждого из них (5 пакетов по 10 г)
• Масло подсолнечное (для жарки)

Метод приготовления:

1.Поместите сорок граммов животных в пищевой блендер и взбивайте в течение двух секунд, пока не получите мелко нарезанную консистенцию. Поместите в большую миску вместе с панировочными сухарями и перемешайте.

2. В тот же пищевой блендер (не нужно мыть) поместите все овощи и зелень и измельчите до мелкой нарезки, но не пюре!

3. Нагрейте большую сковороду и на слабом огне обжарьте овощную смесь, регулярно помешивая, около пяти минут. Добавьте специи и продолжайте варить еще пять минут, регулярно помешивая.Дайте остыть, пока он не станет достаточно холодным.

4. Когда смесь остынет, поместите ее в миску вместе с насекомыми и панировочными сухарями деревянной ложкой или руками. Смешайте до однородной массы.

5. Добавьте яйца и оставшиеся десять граммов насекомых в смесь для пирожков и хорошо перемешайте. Смешав пирожки руками, сформируйте небольшие порции размером с бургер толщиной около двух-трех сантиметров и выложите на смазанный маслом противень.

6. Поставьте большую сковороду на средний огонь, подождите пять минут, чтобы она нагрелась, добавьте столовую ложку подсолнечного масла и осторожно, разрезав рыбный ломтик, добавьте котлеты, остерегайтесь брызг горячего масла! Жарьте примерно четыре-пять минут до золотистого цвета, затем осторожно переверните и продолжайте обжаривать еще пять минут, пока не получите красивый золотистый цвет.Теперь они готовы к употреблению.

Наслаждайтесь ими в хлебе питта или в обертке с хрустящим салатом, помидорами, маслинами и йогуртом, или как хотите!

Обнаружение поддельной личности с помощью неожиданных вопросов и динамики мыши

Abstract

Обнаружение поддельных идентификационных данных — серьезная проблема безопасности. Современные методы обнаружения памяти использовать нельзя, поскольку они требуют предварительного знания истинной личности респондента.Здесь мы сообщаем о новом методе обнаружения поддельных идентификационных данных, основанном на использовании неожиданных вопросов, которые могут быть использованы для проверки личности респондента без какой-либо предварительной автобиографической информации. В то время как рассказчики правды автоматически отвечают на неожиданные вопросы, лжецы должны «строить» и проверять свои ответы. Этот недостаток автоматизма отражается в движениях мыши, используемых для записи ответов, а также в количестве ошибок. Ответы на неожиданные вопросы сравниваются с ответами на ожидаемые и контрольные вопросы (т.е., вопросы, на которые лжец тоже должен ответить правдиво). Параметры, которые кодируют движение мыши, были проанализированы с использованием классификаторов машинного обучения, и результаты показывают, что траектории мыши и ошибки в неожиданных вопросах эффективно отличают лжецов от правдивых. Кроме того, мы показали, что лжецы могут быть идентифицированы также, когда они отвечают правдиво. Неожиданные вопросы в сочетании с анализом движения мыши могут эффективно выявить участников с поддельными именами без необходимости получения какой-либо предварительной информации об испытуемом.

Образец цитирования: Monaro M, Gamberini L, Sartori G (2017) Обнаружение поддельной личности с помощью неожиданных вопросов и динамики мыши. PLoS ONE 12 (5): e0177851. DOI: 10.1371 / journal.pone.0177851

Редактор: Чжун-Кэ Гао, Тяньцзиньский университет, КИТАЙ

Поступила: 10 января 2017 г .; Принята к печати: 4 мая 2017 г .; Опубликован: 18 мая 2017 г.

Авторские права: © 2017 Monaro et al. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Все соответствующие данные находятся в документе и его файлах с вспомогательной информацией.

Финансирование: Автор (ы) не получил специального финансирования для этой работы.

Конкурирующие интересы: Авторы заявили об отсутствии конкурирующих интересов.

Введение

Использование поддельных идентификационных данных — очень распространенная проблема. Люди могут подделывать свою личную информацию по ряду причин. Фальшивая автобиографическая информация, например, наблюдается в спорте, когда игроки утверждают, что они моложе, чем они есть на самом деле [1].Социальные сети изобилуют фальшивыми профилями [2]. Поддельная личность также является серьезной проблемой в сфере безопасности [3]. Фактически считается, что большое количество террористов скрывается среди мигрантов с Ближнего Востока, въезжающих в Европу. Обычно у мигрантов нет документов, и их идентификационные данные часто основываются на самодекларировании. Среди мигрантов считается, что большое количество террористов выдают ложные данные при въезде на границу. Например, один из террористов, участвовавших в подрыве террориста-смертника в аэропорту Брюсселя 22 марта 2016 г., использовал личность бывшего футболиста миланского «Интера» [4].В этих случаях инструменты биометрической идентификации (например, отпечатки пальцев) не могли быть применены, поскольку большинство подозреваемых ранее были неизвестны. Интересно, что методы обнаружения в принципе могут быть применены.

С самого начала, начиная с пионерской работы Бенусси [5], идентификация обманчивых реакций в основном основывалась на использовании физиологических показателей [6]. Совсем недавно были внедрены методы, основанные на времени реакции (RT). Они основаны на задержках реакции на представленный интересующий стимул.Существует широкий консенсус относительно того факта, что обман когнитивно сложнее, чем установление истины, и что эта более высокая когнитивная сложность отражается в ряде показателей когнитивных усилий, включая, например, время реакции [7]. Есть свидетельства того, что процесс подавления правдивого ответа, который активируется автоматически, и замена его обманчивым ответом может быть сложной когнитивной задачей. Однако в некоторых случаях ответить ложью быстрее, чем правдиво [8].Фактически, различные типы лжи могут различаться по своей когнитивной сложности и могут требовать разного уровня когнитивных усилий. Например, когнитивные усилия могут быть минимальными, когда субъект просто отрицает факт, который действительно произошел.

Напротив, оно может быть очень высоким при фабрикации сложной лжи, например, когда Улисс, герой «Одиссея », сказал Полифему, что его настоящее имя «Ничейный». Эта ложь была предназначена для того, чтобы обмануть Полифема, но также предполагалось, что одноглазые соратники Полифема легко распознают ложь как ложь.

Обнаружение памяти на основе RT имеет ряд преимуществ по сравнению с альтернативными психофизиологическими методами, особенно когда большое количество субъектов находится под пристальным вниманием. Во-первых, RT менее чувствительны к сильным индивидуальным изменениям или изменениям окружающей среды, например, в случае физиологических параметров. Во-вторых, этот метод имеет беспрецедентную особенность, заключающуюся в том, что его можно применять, используя просто компьютер, и применять к большому количеству испытуемых через Интернет. В настоящее время два метода обнаружения памяти, основанные на RT, которые используются для представления слов или предложений, могут быть адаптированы в качестве инструментов для проверки личности.Тест на скрытую информацию (CIT-RT) [9] и автобиографический тест на неявную ассоциацию (aIAT) [10] — это методы, основанные на RT, которые прошли тщательную проверку с удовлетворительными результатами [11].

CIT-RT — это метод, который состоит из представления важной информации в ряду очень похожих некритических источников отвлекающей информации. Например, если скрытая информация об орудии убийства находится под пристальным вниманием, нож (известное орудие убийства) будет представлен вместе с отвлекающими элементами, которые также являются потенциальным орудием убийства (например,г. , пистолет и др.). Ожидается, что невиновные испытуемые будут реагировать на все стимулы. Напротив, для виновного субъекта (со знанием дела о вине) ожидаются более длительные ответы на критический предмет (например, нож). При применении для проверки того, соответствует ли автобиографическая информация, которую утверждает испытуемый, истинной личности, CIT эффективно распознает личности лжецов и правдивых [11].

AIAT — это методика обнаружения памяти, которая использует согласованность / несогласованность между предложениями.Он включает стимулы, принадлежащие к четырем категориям: две из них являются логическими категориями, представленными предложениями, которые безусловно истинны (например, « Я перед компьютером ») или, безусловно, ложны (например, « Я поднимаюсь на гору »). ») Для респондента и относящиеся к моменту тестирования. Две другие категории представлены альтернативными версиями исследуемой автобиографической памяти (например, « Я поехал в Париж на Рождество » против « Я поехал в Лондон на Рождество »), причем только одна из двух истинна. .Во время теста испытуемый выполняет задачу категоризации. Истинное автобиографическое событие идентифицируется, потому что оно определяет более быстрые RT при совместном использовании одного и того же моторного ответа с безусловно верными предложениями [12].

Что касается средней точности классификации основанных на RT методов обнаружения лжи, CIT [9] и aIAT [10] имеют такую ​​же точность, что и описанные здесь эксперименты (около 90%). Таким образом, описываемая здесь методика имеет такую ​​же точность, что и современные методы обнаружения лжи на основе RT.Тем не менее, у aIAT и CIT есть важное ограничение: оба требуют, чтобы в тест была включена информация об истинной идентичности. CIT-RT противопоставляет информацию об истинной личности информации о фальшивой личности [11]. AIAT также построен таким образом, что из двух контрастирующих воспоминаний одно должно быть истинным, а другое — ложным [10]. Если мы построим aIAT только с заявленной (поддельной) идентичностью, у нас будут две ложные памяти, и тест не будет удовлетворять одному из основных ограничений в применении процедуры.Таким образом, это ограничение доступных методов является серьезной проблемой для приложений в реальных условиях, даже если Мейксер и Розенфельд [13] сделали шаг в этом направлении. Фактически, в большинстве случаев расследования истинная личность субъекта полностью неизвестна экзаменатору, который заинтересован в оценке того, является ли заявленная личность истинной или нет.

Этот документ можно рассматривать как доказательство концепции, репрезентативный пример типов проблем, которые не могут быть решены с помощью современных научных методов обнаружения лжи (CIT и aIAT).Доступные методы не могут быть использованы, когда критическая информация, которая оценивается на достоверность (в данном случае, настоящая личность респондента, который пытается скрыть свою личность), недоступна.

Здесь мы представим новую парадигму, которая преодолевает недостатки доступных методов и может использоваться для определения правдивости личной информации. Что наиболее важно, мы покажем, что поддельные личности могут быть обнаружены при отсутствии какой-либо информации об истинной личности подозреваемого.Поддельные личности будут обнаружены с помощью неожиданных вопросов в сочетании с анализом движений мыши во время ответа в задаче двоичной классификации. Мы покажем, что анализ динамики мыши эффективно определяет, верна ли личная информация, которую утверждает испытуемый. В представленных здесь экспериментах участники не реагируют, нажимая кнопки ДА / НЕТ с помощью клавиатуры, как в RT-CIT или aIAT, но вместо этого они должны реагировать, щелкая виртуальные кнопки мыши, появляющиеся на экране компьютера вдоль с вопросами относительно их личности.Использование мыши для записи ответов имеет ряд преимуществ по сравнению с использованием клавиатуры. Хотя нажатие кнопки может разрешить запись только RT, запись с помощью мыши позволяет собирать несколько индикаторов, включая, помимо прочего, RT (например, скорость, ускорение и траекторию). Этот метод также является многообещающим с точки зрения устойчивости к контрмерам, поскольку большое количество параметров движения кажется, в принципе, более сложным для полного контроля с помощью эффективных, запланированных контрмер для обнаружения лжи.

Было показано, что анализ траекторий мыши может уловить когнитивную сложность обработки стимулов, когда участники должны давать ответы с множественным выбором. Эта процедура применялась к большому количеству областей и оказалась полезной для выявления когнитивной сложности, связанной с проверкой отрицательных предложений [14], расовыми установками [15], восприятием [16], предполагаемой памятью [17] и лексическими решениями [18]. ]. Duran et al. представили новаторское расследование по детекции лжи [19].Авторы записывали двигательные траектории (авторы не использовали мышь для записи ответов, а скорее контроллер Nintendo Wii), в то время как испытуемые выполняли задание лежа. Во время задания участники должны были отвечать правдиво или лгать на представленные предложения, как это было проиндексировано визуальной подсказкой. Анализ моторных траекторий привел к интересным результатам. Инструктированная ложь можно отличить от правдивых ответов по нескольким параметрам, включая время запуска двигателя, общее время, необходимое для ответа, траекторию движения и кинематические параметры, такие как скорость и ускорение.Их эксперимент выявил тот факт, что когнитивный конфликт, вызванный ложью, влияет на траекторию реакции, но не показал напрямую его эффективность в отнесении лиц, вводящих в заблуждение, от правдивых. Короче говоря, метод, который исследовали авторы, может быть использован для определения того, когда правдивый лжет, но не когда лжец лжет, поскольку их процедура сравнивает в пределах одного и того же говорящего правду субъекта правдивые ответы с лживыми ответами.

Здесь мы представим результаты эксперимента, в котором траектории двигательных реакций с использованием мыши были исследованы, в то время как участники были проверены на вопросы, касающиеся их личности. Было задано два типа вопросов: ожидаемые вопросы и неожиданные вопросы [20]. Vrij и соавторы [21] первыми начали использовать неожиданные вопросы, и растет экспериментальная поддержка идеи о том, что во время следственного интервью обманчивые предметы будут легче обнаруживать с помощью неожиданных вопросов, а не ожидаемых вопросов [22]. Было показано, что лжецы планируют возможные интервью, репетируя вопросы, которые, как они ожидают, также будут заданы [23]. Лжецы дают свои запланированные ответы на ожидаемые вопросы легко и быстро, но им необходимо придумать правдоподобные ответы в случае неожиданных вопросов, и это приводит к увеличению когнитивной нагрузки.Напротив, правдивые ответы не страдают от побочных эффектов когнитивной нагрузки, поскольку они довольно автоматичны и не требуют усилий как для ожидаемых, так и для неожиданных вопросов. Используя методологию неожиданных вопросов в следственном интервью, Lancaster et al. [24] сообщили о хороших показателях классификации как для говорящих правду (78%), так и для лжецов (83%). Lancaster et al. Результаты [24] наблюдались путем сравнения разницы в количестве деталей, сообщаемых при ответах на ожидаемые и неожиданные вопросы.Короче говоря, лжецы, говоря правду, сообщают гораздо больше деталей на ожидаемые вопросы, а не на неожиданные, и обнаружение лжи может извлечь выгоду из этой разницы.

Описанный здесь эксперимент состоит из задачи бинарной классификации, включающей ожидаемые и неожиданные вопросы об идентичности. Ожидаемые вопросы касались типичной информации, представленной в документах, в то время как неожиданные вопросы касались информации, которая была хорошо известна и автоматически извлекалась правдивым, но которая должна быть «вычислена на месте» лжецами.Примером ожидаемого вопроса может быть дата рождения, а соответствующим неожиданным вопросом может быть зодиак, соответствующий дате рождения. В то время как правдивые люди легко проверяют вопросы, связанные с зодиаком, лжецы не знают зодиака немедленно, и им приходится вычислять его для правильной проверки. Неопределенность при ответе на неожиданные вопросы может привести к ошибкам. Кроме того, мы обнаружили, что траектория реакции мыши, проанализированная с использованием кинематических параметров и других пространственных и временных параметров, предназначенных для определения неопределенности двигательной реакции, может быть полезна при обнаружении обмана.Следовательно, ожидается, что обман будет отражаться в форме траекторий.

Методы

В задаче проверки личности лжецы обычно должны узнать автобиографическую информацию о новой личности и пройти тест, отвечая так, как если бы эта информация была для них реальной. Например, Verschuere et al. [11] попросили испытуемых принять фальшивую личность, репетировать и вспоминать ее до тех пор, пока их выступление не станет безошибочным. Затем от лжецов требовалось отреагировать так, как если бы их новая личность была истинной.Точно так же здесь мы требовали, чтобы обманывающие участники познали новую личность. Во время сеанса тестирования участникам задавались как ожидаемые, так и неожиданные вопросы об их личной информации. Ожидаемые вопросы включали информацию о ложной личности, которая была назначена лжецам и репетировалась перед тестом до тех пор, пока испытуемые не совершили никаких ошибок. Говорящие правду репетировали свои истинные личности. Ожидаемые вопросы касались типичной информации, содержащейся в идентификационной карте (например,г., имя, фамилия, дата рождения, место рождения). Напротив, неожиданными вопросами были вопросы, связанные с личностью, на которые испытуемые не были готовы отвечать. Эти неожиданные вопросы были непосредственно получены из ожидаемых вопросов (например, возраст личности и знак зодиака определяются по дате рождения; в то время как вопросы о дате рождения ожидаются, вопросы о возрасте и знаке зодиака являются неожиданными). Например, если субъект репетировал год рождения, указанный на поддельном удостоверении личности (например,g., 1988), неожиданный вопрос, связанный с рождением, был о возрасте (например, 38).

Для правдивого респондента предполагается, что неожиданные вопросы автоматически вызывают правильный ответ. Напротив, лжец должен воссоздать непредсказуемую неожиданную информацию и проверить ее. Следовательно, этот процесс требует времени до отправки ответа, что отражается в более длительных RT. Короче говоря, «Неожиданные вопросы увеличат когнитивную нагрузку лжеца» [20], и ожидается, что это отразится не только на RT и количестве ошибок, но и на траекториях движения мыши.

Далее мы подробно опишем структуру эксперимента и собранные меры. Комитет по этике психологических исследований Университета Падуи одобрил экспериментальную процедуру.

Участников

Сорок италоязычных участников были набраны на факультете психологии Университета Падуи. Выборка состояла из 17 мужчин и 23 женщин. Их средний возраст составлял 25 лет (SD = 4,6), а средний уровень образования — 17 лет (SD = 1.8). Все участники были правши. Эти первые 40 участников были использованы для разработки модели, которая позже была протестирована для обобщения в новой группе из 20 итальянскоязычных участников (10 лжецов и 10 рассказчиков правды). Вторая выборка состояла из 9 мужчин и 11 женщин. Их средний возраст составлял 23 года (SD = 1,5), а средний уровень образования — 17 лет (SD = 0,83). Обе группы испытуемых предоставили информированное согласие перед экспериментом.

Стимулы

Тридцать два предложения, отображаемые в верхней части экрана компьютера, были представлены всем участникам.Квадраты, представляющие ответы ДА и НЕТ, были расположены в верхнем левом и верхнем правом углу экрана компьютера. Шестнадцать предложений требовали ответа ДА, а 16 предложений требовали ответа НЕТ, как для лжецов, так и для рассказчиков правды. 32 экспериментальным вопросам предшествовали 6 обучающих вопросов (3 требовали ответа ДА и 3 требовали ответа НЕТ) по вопросам, связанным с личностью, не включенным в сам эксперимент (например, «Ваш вес 51 кг?»). Предложения, требующие ответа ДА, относятся к следующим категориям:

• Ожидаемые вопросы: они включали информацию, которая была отрепетирована перед экспериментом, как для рассказчиков правды, так и для лжецов.Лжецы ответили личной информацией о фальшивых профилях личности, которые им назначил экспериментатор. Правды ответили на вопросы относительно их истинной личности.
• Неожиданные вопросы: Неожиданные вопросы включали информацию, тесно связанную с ложными именами, но не репетированную явно перед экспериментом ни правдивыми, ни лжецами. В этом случае лжецы ответили на информацию, относящуюся к присвоенным им фальшивым именам, в то время как рассказчики правды ответили на вопросы об их истинных именах.
• Контрольные вопросы: Контрольные вопросы смешивались с ожидаемыми и неожиданными вопросами. Контрольные вопросы ( n = 8; 4 требовали ответа ДА и 4 ответа НЕТ) включали личную информацию, на которую испытуемые должны были ответить правдиво, потому что они не могли быть скрыты от экзаменатора, наблюдающего за тестом. Например, « Вы мужчина ?» (для мужчины) требовал ответа ДА, тогда как « Вы женщина ?» (для мужчины) не требовал ответа.Следовательно, контрольные вопросы требовали правдивых ответов как лжецов, так и рассказчиков правды, даже если они были связаны с личностью.

И для лжецов, и для рассказчиков правды половина ожидаемых, неожиданных и контрольных вопросов ( n = 16) требовала ответов ДА. Напротив, 16 вопросов, полученных из ожидаемых, неожиданных и контрольных вопросов, не требовали ответов, как показано в таблице 1.

doi: 10.1371 / journal.pone.0177851.t001

Как видно из таблицы 2, ответы лжецов и рассказчиков правды различались только ожидаемыми и неожиданными ответами ДА. Фактически, для лжецов ожидаемые и неожиданные вопросы относительно их поддельной личности на самом деле не были ответами, которые, поскольку они лгали, требовали ответов ДА. Другими словами, только вопросы с ожидаемыми и неожиданными ответами ДА различали две группы, потому что правдивые люди отвечали искренне, а лжецы обманывали.На все остальные вопросы (контроль ДА, контроль НЕТ, ожидаемое НЕТ, неожиданное НЕТ) и лжецы, и рассказчики правды ответили правдиво.

doi: 10.1371 / journal.pone.0177851.t002

Методика эксперимента

Эксперимент проводился с использованием программы MouseTracker [25]. Двадцать участников ответили правдиво, в то время как остальным было дано указание солгать о своей личности в соответствии с ложным профилем, который был чрезмерно изучен перед началом эксперимента, согласно Verschuere et al.[11]. 20 лжецов были проинструктированы узнать ложную личность по поддельному итальянскому удостоверению личности, к которому была прикреплена фотография субъекта и который также сообщил ложные личные данные. После этапа обучения участники дважды вспомнили информацию, которую они прочитали на удостоверении личности. Между двумя отзывами от них требовалось выполнить некоторую ментальную арифметику в качестве отвлекающего задания. С другой стороны, рассказчики правды также выполняли мысленную арифметику и проверяли свои настоящие автобиографические данные только один раз перед началом эксперимента.Во время экспериментального задания 6 ожидаемых вопросов, 6 неожиданных вопросов и 4 контрольных вопроса, описанных выше, были представлены в случайном порядке. Для каждого из 16 вопросов, на которые требовался ответ «ДА», был представлен аналогичный вопрос, требующий отрицательного ответа. Каждый участник ответил на 32 вопроса плюс 6 учебных вопросов, которые не были включены в анализ. В половине случаев вопрос ДА появлялся первым, а в другой половине — вторым. Участники инициировали представление каждого вопроса, нажимая кнопку СТАРТ, которая появлялась в центре нижней части экрана компьютера.Ответ давался нажатием одной из двух кнопок ответа, появляющихся в верхней части экрана компьютера, одной в верхнем левом углу и одной в правом верхнем углу.

Сбор данных с помощью движения мыши

Для каждого ответа программа MouseTracker записывала положение мыши от начальной точки до нажатия кнопки. Поскольку записанные траектории имели разную длину, каждый моторный ответ был нормализован по времени, чтобы можно было усреднить и сравнить испытания [25].Используя линейную интерполяцию, программа рассчитала временную нормализацию в 101 таймфрейме. В результате каждая траектория имела 101 таймфрейм, и каждый таймфрейм имел соответствующие координаты X и Y. Мы определили момент времени, в который две группы показали максимальную разницу во время движения по оси ординат. Эти точки максимальной разницы во времени были закодированы как Y18, Y29 и Y30 (общее время было предварительно масштабировано до 100 временных кадров в соответствии с процедурой, утвержденной Freeman и Ambady [25]).Затем мы рассчитали скорость и ускорение в этих временных рамках. MouseTracker Программа по умолчанию записывает также другие пространственные и временные параметры. Здесь мы сообщаем все параметры, предварительно собранные программой MouseTracker и использованные для кодирования траектории мыши. Параметры, собранные из моторных ответов на каждый из вопросов, были следующими:

• Количество ошибок: общее количество ошибок при ответе на 32 вопроса
• Время инициации (IT): время между появлением вопроса и началом движения мыши
• Время реакции (RT): время между появлением вопроса и виртуальным нажатием кнопки с помощью мыши
• Максимальное отклонение (MD): максимальное перпендикулярное расстояние между фактической траекторией и идеальной траекторией (линия, соединяющая кнопку запуска с кнопкой ожидаемого ответа)
• Площадь под кривой (AUC): геометрическая площадь, заключенная между фактической траекторией и идеальной траекторией
• Максимальное время отклонения (MD-время): время, необходимое для достижения точки максимального отклонения от идеальной траектории
• x-flip: общее количество изменений направления мыши во время полной траектории по оси x
• y-flip: общее количество изменений направления мыши во время полной траектории по оси y
• Координаты X, Y во времени (X _n , Y _n ): положение мыши вдоль оси во времени
• Скорость во времени: скорость мыши между двумя временными рамками
• Ускорение во времени: ускорение движения мыши между двумя таймфреймами

Окончательный список возможных предикторов включал 13 переменных, которые отображали различные параметры ответа: количество ошибок, время инициирования (IT), время реакции (RT), максимальное отклонение (MD), площадь под кривой (AUC). , Максимальное время отклонения (MD-время), x-flip, y-flip, Y30, Y29, Y18, Y30 – Y29 и Y29 – Y18.Для каждой из переменных мы вычислили среднее значение 32 ответов для каждого участника.

Корреляционный анализ и выбор признаков

Был проведен корреляционный анализ, чтобы выделить независимые переменные, которые имели максимальную корреляцию с зависимой переменной (правдивые против лжецов) и минимальную корреляцию между независимыми переменными [26]. Мы рассмотрели для каждой характеристики среднее значение всех ответов (ДА и НЕТ) каждого испытуемого.Всего в корреляционный анализ было введено 13 независимых переменных. Следующие характеристики были выбраны на основе этих критериев и позже использовались в качестве предикторов для разработки классификаторов машинного обучения (ML): количество ошибок (r _pb = 0,68), AUC (r _pb = 0,53), MD- времени (r _pb = 0,45) и Y29 (r _pb = 0,42) (r _pb — значение корреляции между зависимыми и независимыми переменными).

Анализ и результаты

В этом разделе описаны шаги, выполняемые для анализа данных, и процедуры, использованные при разработке классификаторов машинного обучения.

Данные и инструкции по воспроизведению результатов доступны в качестве вспомогательной информации (см. Наборы данных S1 и S2, текст S1 и S2).

Анализ траекторий

Первый анализ сравнивал ответы лжецов и рассказчиков правды путем усреднения индивидуальных ответов на ответы ДА и НЕТ. На рис. 1 представлены средние траектории лжецов и правдивых, отвечающих ДА на ожидаемые и неожиданные вопросы (единственные вопросы, на которые лжецы отвечали лживо).Как можно заметить, две экспериментальные группы различались как по параметрам AUC, так и по MD. Ответы правдивых привели к более прямой траектории, соединяющей отправную точку с правильным ответом. Напротив, лжецы сначала отклонились в сторону своего правильного ответа по умолчанию, а затем изменили свою траекторию, чтобы нажать кнопку ложного ответа. Более того, лжецы тратили больше времени на перемещение по оси Y в начальной фазе ответа, чем те, кто говорил правду. Максимальная разница между двумя группами в положении мыши по оси Y была обнаружена на временном интервале 29.Соответственно, координата Y на этом временном интервале (Y29) также была добавлена ​​в качестве предиктора.

На рисунке представлены средние траектории между испытуемыми, соответственно, для лжецов (красным) и для рассказчиков правды (зеленым), к ожидаемым вопросам ДА и неожиданным вопросам ДА. Ожидаемые и неожиданные вопросы, требующие ответа ДА, — это те, на которые лгали лжецы. Приведены значения параметров MD, AUC, x-flip и y-flip для двух групп.Серая область представляет собой разницу в параметре AUC между лжецами и правдивыми.

doi: 10.1371 / journal.pone.0177851.g001

Прототипные траектории правдивых и лжецов.

Здесь мы приводим примеры индивидуальных траекторий мыши в ответ на контрольные вопросы и неожиданные вопросы, полученные от прототипа рассказчика правды (рис. 2) и прототипа лжеца (рис. 3).

Ответы правды (субъект 3) на контрольные (красный) и неожиданные вопросы (зеленый). Траектории относятся к ответам на отдельные вопросы.

doi: 10.1371 / journal.pone.0177851.g002

Ответы лжеца (испытуемый 2) на контрольные (красный) и неожиданные вопросы (зеленый).

doi: 10.1371 / journal.pone.0177851.g003

Траектории относятся к ответам на отдельные вопросы.Обратите внимание, что этот лжец правдиво отвечает на контрольные вопросы. Тем не менее, его ответ отклоняется от прямой траектории, которая в идеале характеризует правдивый ответ (см. Рис. 2). Это обобщение мышления лжеца, когда лжец отвечает на вопросы, требующие правдивых ответов, обсуждается в статье.

Разбивка ответов на контрольные, ожидаемые и неожиданные вопросы.

Мы проанализировали выступления испытуемых отдельно для контрольных, ожидаемых и неожиданных вопросов.На рис. 4 представлена ​​траектория контрольных, ожидаемых и неожиданных вопросов (слева направо). Траектории лжецов и правдивых в контрольных вопросах практически совпадают. Максимальная разница в траектории снова наблюдается в ответ на неожиданные вопросы.

Траектории мыши для контрольных вопросов (слева), ожидаемых вопросов (в центре) и неожиданных вопросов (справа).

doi: 10.1371 / journal.pone.0177851.g004

Разбивка ответов ДА и НЕТ.

Мы исследовали, есть ли разница в траектории и времени ответа между вопросами, на которые испытуемые отвечали, перемещая мышь вправо (вопросы, не требующие ответа), и вопросами, на которые испытуемые отвечали, перемещая мышь влево ( вопросы, требующие ответа ДА). Тесты t на всей выборке были проведены для сравнения левого и правого откликов.Мы не обнаружили статистически значимой разницы как для времени MD ( t = 1,63; p = 0,1; коэффициент Коэна d = 0,2; BF = 0,57) и Y29 ( t = 0,1; p = 0,9; Коэна d = 0,01; BF = 0,17). Для AUC мы получили следующие результаты: t = -2,09 и p = 0,04, но значение Коэна d показало небольшой размер эффекта ( d = -0,33), и коэффициент Байеса приблизился (BF = 1,2). На рис. 5 показаны траектории левого (зеленый) и правого (красный) ответов.Можно отметить, что две кривые следуют очень похожей, хотя и зеркальной, траектории.

Ответы на левую кнопку ответа и на правую кнопку ответа сообщаются здесь отдельно. Траектории двух типов ответов не различались.

doi: 10.1371 / journal.pone.0177851.g005

Описательная статистика независимых переменных

Отдельный выбор признаков из исходного набора из 13 предикторов, 4 независимых переменных: ошибки, AUC, MD-время и Y29.Они сильно коррелировали с группой (рассказчик правды / лжец). В следующей таблице (см. Таблицу 3) представлена ​​описательная статистика, а также анализ различий между правдивыми и лжецами, продемонстрированный с помощью теста t , критерия Коэна d и фактора Байеса.

doi: 10.1371 / journal.pone.0177851.t003

Модели машинного обучения

Несколько классификаторов машинного обучения (ML) были протестированы с использованием 10-кратной процедуры перекрестной проверки, реализованной WEKA [27].Мы выбрали четыре классификатора, которые различаются в зависимости от их предположений: Random Forest [28], Logistic [29], Support Vector Machine (SVM) [30–31] и Logistic Model Tree (LMT) [32]. 10-кратная перекрестная проверка проводилась следующим образом: группа участников (40 человек) была случайным образом разделена на 10 подгрупп по 4 человека в каждой. В каждом прогоне одна из 10 подвыборок сохранялась в качестве тестового набора для оценки модели, а оставшиеся 9 использовались в качестве обучающих данных. Затем процесс перекрестной проверки был повторен 10 раз, так что каждая из 10 подгрупп участников использовалась ровно 1 раз в качестве набора для проверки.Затем 10 результатов на тестовой выборке были усреднены для получения единственной оценки точности. Результаты представлены в таблице 4. Все классификаторы достигли точности около 90% или выше при классификации лжецов и правдивых. Как минимум 36/40 субъектов были правильно классифицированы. Логистический классификатор достиг точности 95% (правильно классифицировано 38/40 участников). Сопоставимые результаты были получены с использованием перекрестной проверки с исключением по одному (LOOCV) [33].

doi: 10.1371 / journal.pone.0177851.t004

Как показано в таблице 5, модели классификации обладают высокой специфичностью и высокой чувствительностью. Фактически, в контрольных выборках ошибки классификации равномерно распределены по двум классам.

doi: 10.1371 / journal.pone.0177851.t005

Оценка модели: выступление 20 итальянских участников вне выборки.

После разработки описанных выше классификаторов машинного обучения была собрана и протестирована дополнительная выборка из 20 участников (10 лжецов и 10 рассказчиков правды) с использованием моделей, ранее разработанных на основе исходных 40 участников. Эта группа участников была совершенно новой группой, которую раньше никогда не использовали для анализа или построения моделей. Эта процедура считается оптимальной стратегией, позволяющей избежать переобучения (см. Дворк и др. [34]). Точность классификации этого нового образца представлена ​​в таблице 4.Стоит отметить, что точность классификации оставалась стабильной, в том числе по всем классификаторам, даже в этой проверочной выборке.

Вклад контрольных, ожидаемых и неожиданных вопросов.

Чтобы лучше понять вклад контрольных, ожидаемых и неожиданных вопросов в классификацию, мы использовали три отдельные модели для каждого типа вопросов. Результаты показывают, что основной вклад вносят неожиданные вопросы (см. Таблицу 6). Точность классификации с использованием классификаторов ML подтверждает, что невозможно эффективно отличить лжецов от правдивых только на основе контрольных вопросов.То же самое верно и для ожидаемых вопросов, хотя в этом случае траектории двух групп кажутся более разделенными (см. Рис. 4). Используя только неожиданные вопросы, точность классификации достигает максимума с показателями выше 90%, также в проверочной выборке, подтверждая, что когнитивная нагрузка лжецов из-за неожиданных вопросов является причиной различий между двумя группами.

doi: 10.1371 / journal.pone.0177851.t006

Относительный вес предикторов.

Мы также исследовали относительный вес предикторов, удаляя независимые переменные одну за другой и повторно прогоняя классификаторы. Результаты показали, что после устранения ошибок предикторов точность классификации упала примерно до 75% для перекрестной проверки и примерно до 70% для процедуры тестирования (случайный лес: перекрестная проверка = 70%, тест = 65%; логистическая : перекрестная проверка = 77.5%, тест = 70%; SVM: перекрестная проверка = 75%, тест = 65%; LMT: перекрестная проверка = 75%, тест = 70%). Главный вклад в точность прогнозов вносится выявлением ошибок на неожиданные вопросы с помощью динамических функций мыши, тонко настраивающих и без того хорошую классификацию. Это ясно, если учесть, что прогнозы, основанные исключительно на ошибках, дали следующие результаты: Случайный лес: перекрестная проверка = 77,5%, тест = 100%; Логистика: перекрестная проверка = 82,5%, тест = 100%; SVM: перекрестная проверка = 80%, тест = 95%; LMT: перекрестная проверка = 85%; Тест = 100%.После удаления AUC из предикторов точность классификации осталась стабильной в тестовом наборе и упала до 90% во время перекрестной проверки (случайный лес: перекрестная проверка = 90%, тест = 95%; логистика: перекрестная проверка = 95%, test = 95%; SVM: перекрестная проверка = 85%, проверка = 95%; LMT: перекрестная проверка = 90%, проверка = 100%). Аналогичные результаты были получены при удалении MD-времени из предикторов (Случайный лес: перекрестная проверка = 90%, тест = 95%; Логистика: перекрестная проверка = 90%, проверка = 95%; SVM: перекрестная проверка = 87.5%, тест = 85%; LMT: перекрестная проверка = 90%, тест = 95%). Наконец, после выгрузки Y29 из предикторов точность как в обучающих, так и в тестовых наборах немного снизилась (Случайный лес: перекрестная проверка = 92,5%, тест = 95%; Логистика: перекрестная проверка = 95%, тест = 95%. ; SVM: перекрестная проверка = 92,5%, проверка = 85%; LMT: перекрестная проверка = 92,5%, проверка = 95%).

Вкратце, относительная важность независимых переменных показала, что общее количество ошибок дало основной вклад в правильное различение лжецов от правдивых, за которым следовали MD-время, AUC и положение мыши по оси y. ось на временном интервале 29 ^-й .

Анализ ошибок.

Ошибки для контроля и ожидаемые вопросы у лиц, говорящих правду, практически отсутствуют (см. Таблицу 7). В ответ на неожиданные вопросы чаще всего ошибались лжецы и рассказчики правды. Средний лжец делает в 12,4 раза больше ошибок при ответе на неожиданные вопросы по сравнению с правдивыми.

doi: 10.1371 / journal.pone.0177851.t007

Лжецы и рассказчики правды не делают ошибок при проверке вопросов, а всего 2/240 на ожидаемые вопросы.Разница между двумя группами возникает из-за неожиданных вопросов, когда правдивые люди делают в общей сложности 5/240 ошибок, а лжецы — 82/240. Это указывает на то, что на каждую ошибку, допущенную правдой в ответ на неожиданные вопросы, лжецы делают 16 ошибок. Стоит отметить, что лжецы делают больше ошибок из-за неожиданного ДА (60/120, если они лгут), чем из-за неожиданного НЕТ (22/120, когда они отвечают правдиво), t = — 4,59, p <0,01; Коэна d = 1,60; BF = 16,42.

Немецкий проверочный образец.

Чтобы проверить, может ли модель эффективно классифицировать участников из разных культур, мы проверили 20 немецких субъектов (10 лжецов и 10 рассказчиков правды) с хорошими результатами. Чтобы изучить влияние культуры на обобщение результатов, мы протестировали выборку из 20 участников, носителей немецкого языка в Дюссельдорфе (10 рассказчиков правды и 10 лжецов; средний возраст = 29,5 лет; мужчины = 9/20), задавая вопросы на немецком языке. . Перед экспериментом участники дали информированное согласие. Результаты этой группы были оценены с использованием модели, первоначально обученной на 40 итальянских участниках.Точность классификации была следующей: случайный лес = 95%, логистика = 100%, SVM = 90%, LMT = 95%. Анализ ошибок (см. Таблицу 8) показывает, что доля ошибок лжецов и лиц, говорящих правду, сопоставима в двух группах (итальянский n = 40 и немецкий n = 20) с результатами для лжецов t = — 1,4, p = 0,17 ( d Коэна = -0,49, BF ​​= 0,64) и результаты для тех, кто говорит правду t = 0,66, p = 0,52 ( d Коэна = 0.28, BF = 0,43).

doi: 10.1371 / journal.pone.0177851.t008

Можем ли мы обнаружить лжецов, если они отвечают правдиво?

Схема эксперимента, описанная в рукописи, требует, чтобы лжецы лгали только тогда, когда отвечали ДА на ожидаемые и неожиданные вопросы ДА. Во всех остальных условиях (ожидаемое НЕТ, неожиданное НЕТ, контрольный ДА и контрольный вопрос НЕТ) лжецы отвечали правдиво (см. Таблицу 2).Интересный вопрос: можно ли обнаружить лжецов по их правдивым ответам. В предыдущем разделе мы сравнили траектории ответов двух групп с ожидаемыми и неожиданными вопросами, на которые требовался ответ ДА ​​(см. Рис. 1). Здесь мы сравнили траектории двух групп для ответов, которые не требовали ответа НЕТ, и для всех контрольных вопросов. Траектории, когда лжецы отвечали правдиво, показаны на рис. 6. Хотя разница уменьшается по сравнению с ответами, в которых лжецы лгали, различия с рассказчиками правды все же заметны.

На этом рисунке показаны средние траектории ответов на вопросы, на которые правдиво ответили и лжецы (красным), и правдивые (зеленым).

doi: 10.1371 / journal.pone.0177851.g006

Чтобы оценить, отличались ли траектории лжецов от траекторий правдивых, когда они не лгали, мы сравнили две экспериментальные группы по независимым переменным, ранее использовавшимся при разработке классификаторов.Результаты независимого t-теста, представленные в таблице 9, показывают, что стили ответа лжецов могут быть идентифицированы, даже если лжецы отвечали правдиво. Классификаторы имели следующие уровни точности при идентификации лжецов и правдивых только на основе ответов на вопросы, на которые лжецы ответили правдиво: случайный лес = 77,5%, SVM = 80%, логистика = 80% и LMT = 77,5%. Все классификаторы явно были относительно точными, даже если они были ниже точности классификации, основанной только на ответах ДА на ожидаемые и неожиданные вопросы (что находилось в диапазоне 90–92%).

doi: 10.1371 / journal.pone.0177851.t009

Как статистический анализ, так и анализ машинного обучения показали, что признаки лжи распространяются на вопросы, на которые они правдиво ответили. Даже если отвечать правдиво, лжецов можно идентифицировать, но с меньшей точностью. С когнитивной точки зрения здесь интересно то, что в плане эксперимента мышление лжецов также распространило свои эффекты на вопросы, когда они отвечали правдиво.Насколько нам известно, такая картина результатов никогда ранее не сообщалась и может указывать на уровень чувствительности метода анализа движения мыши.

Обсуждение

Насколько нам известно, никакие методы не могут точно определить, является ли идентификатор субъекта истинным или ложным без какой-либо информации об истинной личности респондента. В этой статье мы сообщаем о результатах нового метода обнаружения памяти, нацеленного на определение того, является ли идентификатор истинным или поддельным, когда лжецы не предоставляют никакой личной информации, которая затем включается в сам тест.

Участники отвечали с помощью мыши на вопросы, касающиеся идентификатора, на которые требовался ответ ДА ​​/ НЕТ. Динамика мыши обеспечивает богатый источник данных по сравнению с аналогичными задачами двоичной классификации, основанными на кнопках ответа. Хотя данные, собранные при нажатии кнопок, ограничиваются записью задержки между началом вопроса и нажатием кнопки, реакция мыши позволяет собирать несколько параметров, включая время реакции, а также время начала, скорость, ускорение и траекторию мыши.

Чтобы разработать модель, которая эффективно выявляет участников с поддельными именами, мы проверили респондентов с вопросами, которые были ожидаемыми и которые лжецы усвоили на этапе предварительного обучения (имя, фамилия, дата рождения и место рождения). Наряду с ожидаемыми вопросами, касающимися информации документа, удостоверяющего личность, также был представлен ряд неожиданных вопросов, связанных с ожидаемыми вопросами. Рассмотрим, например, место рождения. Ожидаемые вопросы, которые появятся в удостоверении личности, будут: «Вы родились в Пизе?» (требуется ответ ДА) или «Вы родились в Нью-Йорке?» (требуя ответа НЕТ).Соответствующие неожиданные вопросы будут такими: «Флоренция — столица вашего региона?» (требуется ответ ДА, учитывая, что Пиза, место рождения, находится в Тоскане, столицей которой является Флоренция) и «Является ли Венеция столицей региона вашего рождения?» (не требуя ответа, учитывая, что Пиза, заявленное место рождения, находится в Тоскане, столицей которой является Флоренция, а не Венеция). Еще один неожиданный вопрос, связанный с датой рождения (производной от даты), касался зодиака. Говорящие правду должны иметь возможность получать ответы об их истинном зодиаке более автоматически, чем лжецы; поэтому ожидается, что их реакция будет более быстрой, с меньшим количеством ошибок и более прямой траекторией движения мыши.В целом, неожиданные вопросы должны быть быстро найдены рассказчиками правды, в то время как лжецы должны мысленно «вычислить» ответ на основе исходной ожидаемой информации [21].

Исследование, представленное здесь, продемонстрировало, что динамика мыши, проанализированная с использованием модели машинного обучения, дала правильную классификацию лжецов и рассказчиков правды с точностью более 90%. Этот результат был достигнут путем разработки набора классификаторов с сопоставимой производительностью в диапазоне точности 90–95% (Random Forest, SVM, Logistics и LTM).Другая группа была собрана и протестирована (10 рассказчиков правды и 10 лжецов) для проверки обобщения модели. В этой группе было подтверждено, что точность сопоставима с точностью группы, использованной для разработки классификаторов (95% = 19/20 участников правильно классифицированы), что показывает, что высокая точность, достигнутая на этапе построения модели, не была результатом переоснащение.

Теория игр также является многообещающим методом в глубоком обучении. Мы не оценивали, могут ли более сложные модели глубокого обучения, основанные на концепциях теории игр [35–37], превзойти стандартные модели машинного обучения, которые мы использовали в этом исследовании, но это может стать будущим направлением.

Мы провели анализ для определения наиболее важного предиктора, которым были общие ошибки, за которыми следовали MD-время, AUC и положение мыши по оси Y на временном кадре 29 ^-го .

С когнитивной точки зрения подтверждено, что неожиданные вопросы могут использоваться для раскрытия обмана. Сила неожиданных вопросов широко исследовалась на следственных допросах [22]. Здесь мы расширяем результаты и подтверждаем, что неожиданные вопросы могут быть встроены в тест проверки личности, чтобы позволить с высокой точностью идентифицировать лиц, вводящих в заблуждение.Лжецам трудно отвечать на неожиданные вопросы быстро и без ошибок. Их неуверенность улавливается динамикой мыши, поскольку их двигательное поведение отклоняется от идеальной траектории говорящего правду.

Интересно отметить, что наш экспериментальный план требует от лжецов правдивых ответов на ряд вопросов. Анализ таких правдивых ответов показывает, что лжецов по-прежнему можно обнаружить, даже с меньшей точностью, если они не лгут. Розенфельд и др.показали, что лжецов, говорящих правду, можно идентифицировать с помощью P300, аналогично тому, о чем мы сообщаем здесь [38]. Важно отметить, что лжецы должны честно отвечать на все стимулы, кроме ожидаемых и неожиданных вопросов, которые, напротив, требуют лжи. Следовательно, они должны переключаться между ложью и правдой, и этот переход имеет цену, которая проявляется также при правдивом ответе, как показали Деби и др. [39]. Это означает, что образ мышления лжеца отражается в динамике мыши, и что обнаружение лжи можно также распространить на ответы, которым они не лгут.Это как если бы инструкция лгать на одни вопросы, но не на другие, вызывает у лжецов большую когнитивную нагрузку, которая связана не только с обманчивыми ответами, но и с переключением между ответами, требующими лжи, и ответами, требующими правды.

Неожиданные вопросы требуют тщательной подготовки ответов, и это может быть ограничением при автоматическом онлайн-использовании метода. Дополнительные ограничения настоящего исследования включают тот факт, что процедура была протестирована на участниках одной культуры, а обобщение проверено на участниках, принадлежащих к другой культуре (Германия).Еще одним ограничением настоящего исследования является тот факт, что проблема обнаружения поддельных удостоверений личности не позволяет проводить прямое сравнение с более проверенными методами обнаружения лжи (например, CIT). Таким образом, любое сравнение методов носит косвенный характер.

Принимая во внимание все эти ограничения, мы думаем, что использование неожиданных вопросов в сочетании с анализом динамики мыши кажется многообещающим путем для выявления обманчивых ответов.

Вспомогательная информация

S1 Текст.Словарь с данными.

doi: 10.1371 / journal.pone.0177851.s001

(PDF)

S2 Текст. Инструкция по воспроизведению результатов классификации.

doi: 10.1371 / journal.pone.0177851.s002

(PDF)

S1 Набор данных. Обучающий набор.

doi: 10.1371 / journal.pone.0177851.s003

(ZIP)

S2 Набор данных. Набор для испытаний.

doi: 10.1371 / journal.pone.0177851.s004

(ZIP)

Вклад авторов

1. Концептуализация: GS MM.
2. Обработка данных: MM.
3. Формальный анализ: GS MM.
4. Расследование: ММ.
5. Методология: GS MM LG.
6. Надзор: GS.
7. Проверка: GS MM LG.
8. Написание — черновик: MM GS.
9. Написание — просмотр и редактирование: GS MM LG.

Список литературы

1. 1. УЕФА.Встанет ли настоящий Эриберто. 20 сентября 2002 г. http://www.uefa.com/news/newsid=34451.html.
2. 2. Donath JS. Личность и обман в виртуальном сообществе. В: Смит М.А., Коллок П. редакторы. Сообщества в киберпространстве. Лондон и Нью-Йорк: Routledge Press; 1999. С. 29–59.
3. 3. Барбер С. Прямая связь между кражей личных данных и терроризмом и способы ее остановить. Техасский университет в Остине. 7 декабря 2015 г. https://news.utexas.edu/2015/12/07/the-direct-link-between-identity-theft-and-terrorism
4. 4.Agenzia Giornalistica Italia (AGI). Брюссель: камикадзе нас идентифицируют с бывшим giocatore dell’Inter. 28 марта 2016 г. http://www.agi.it/estero/2016/03/28/news/bruxelles_kamikaze_uso_identita_ex_giocatore_dellinter-650281/
5. 5. Бенусси В. Die atmungssymptome der lüge. Archiv für die gesamte Psychologie. 1914; 31: 244–273.
6. 6. Розенфельд JP, Грили ХТ. Обман, обнаружение, потенциал, связанный с событием p300 (erp). В: Энциклопедия судебной медицины Wiley.John Wiley & Sons, Ltd; 2009.
7. 7. Vrij A, Fisher R, Mann S, Leal S. Подход когнитивной нагрузки к обнаружению лжи. Психология расследования и профилирование преступников. 2008; 5: 39–43.
8. 8. Ван Бокстаэле Б., Вершуере Б., Моенс Т., Сухоцки К., Деби Э., Спруит А. Научиться лгать: влияние практики на когнитивные издержки лжи. Границы психологии. 2012; 3: 526. DOI: 10.3389 / fpsyg.2012.00526. pmid: 23226137
9. 9. Кляйнберг Б., Вершуере Б.Обнаружение памяти 2.0: первый веб-тест обнаружения памяти. PLoS One. 2015; 10 (4): e0118715. DOI: 10.1371 / journal.pone.0118715. pmid: 25874966
10. 10. Сартори Г., Агоста С., Зогмайстер С., Феррара С. Д., Кастиелло Ю. Как точно определять автобиографические события. Психологическая наука. 2008. 19 (8): 772–780. DOI: 10.1111 / j.1467-9280.2008.02156.x. pmid: 18816284
11. 11. Verschuere B, Kleinberg B. Id-check: онлайн-проверка скрытой информации выявляет истинную личность.Журнал судебной медицины. 2016 Янв; 61 Приложение 1: S237–40. DOI: 10.1111 / 1556-4029.12960. pmid: 263

12. 12. Агоста С., Сартори Г. Автобиографический IAT: обзор. Границы психологии. 2013; 4: 519. DOI: 10.3389 / fpsyg.2013.00519. pmid: 23964261
13. 13. Meixner J, Rosenfeld JP. Имитация терроризма Применение теста скрытой информации на основе P300. Психофизиология. 2011. 48: 149–154. DOI: 10.1111 / j.1469-8986.2010.01050.x. pmid: 20579312
14. 14.Дейл Р., Дюран Н.Д. Когнитивная динамика верификации отрицательного предложения. Наука о мышлении. 2011; 35 (5): 983–996. DOI: 10.1111 / j.1551-6709.2010.01164.x. pmid: 21463359
15. 15. Фриман Дж. Б., Паукер К., Санчес Д. Т.. Перцептивный путь к предвзятости: межрасовое воздействие снижает резкие сдвиги в восприятии расы в реальном времени, которые предсказывают предвзятость смешанной расы. Психологическая наука. 2016; 27: 502–517. DOI: 10.1177 / 0956797615627418. pmid: 26976082
16. 16. Quétard B, Quinton JC, Colomb M, Pezzulo G, Barca L, Izaute M и др.Комбинированные эффекты ожидания и визуальной неопределенности при обнаружении и идентификации цели в тумане. Когнитивная обработка. 2015; 16: 343–348.
17. 17. Эбни Д.Х., Макбрайд Д.М., Конте А.М., Винсон Д.В. Динамика ответа в предполагаемой памяти. Психономический бюллетень и обзор. 2015; 22 (4): 1020–1028.
18. 18. Барка Л., Пеццуло Г. Разворачивание визуального лексического решения во времени. PLoS One. 2012; 7 (4): e35932. DOI: 10.1371 / journal.pone.0035932. pmid: 22563419
19. 19.Дюран Н.Д., Дейл Р., Макнамара Д.С. Динамика действия преодоления истины. Психономический бюллетень и обзор. 2010. 17 (4): 486–491.
20. 20. Врий А. Когнитивный подход к обнаружению лжи в обнаружении обмана: текущие проблемы и новые подходы. Оксфорд, Великобритания: John Wiley & Sons, Inc .; 2015.
21. 21. Вридж А., Леал С., Гранхаг П.А., Манн С., Фишер Р.П., Хиллман Дж. И др. Перехитрить лжецов: польза от задания неожиданных вопросов. Закон и человеческое поведение.2009. 33: 159–166. DOI: 10.1007 / s10979-008-9143-у. pmid: 18523881
22. 22. Warmelink L, Vrij A, Mann S, Leal S, Poletiek FH. Влияние неожиданных вопросов на обнаружение знакомой и незнакомой лжи. Психиатрия, психология и право. 2013; 20 (1).
23. 23. Хартвиг ​​М., Гранхаг П.А., Стрчмвалл Л. Стратегии виновных и невиновных подозреваемых во время допросов. Психология, преступность и право. 2007. 13: 213–227.
24. 24. Lancaster GLJ, Vrij A, Hope L, Waller B.Сортировка лжецов от рассказчиков правды: преимущества задания неожиданных вопросов при обнаружении лжи. Прикладная когнитивная психология. 2013; 27: 107–114.
25. 25. Freeman JB, Ambady N. Mousetracker: Программное обеспечение для изучения мысленной обработки в реальном времени с использованием метода компьютерного отслеживания мыши. Методы исследования поведения. 2010. 42: 226–241. DOI: 10.3758 / BRM.42.1.226. pmid: 20160302
26. 26. Зал МА. Выбор подмножества функций на основе корреляции для машинного обучения.Диссертация, Университет Вайкато. 1999. http://www.cs.waikato.ac.nz/mhall/thesis.pdf.
27. 27. Холл М., Фрэнк Э., Холмс Г., Пфарингер Б., Ройтеманн П., Виттен И. Программное обеспечение для интеллектуального анализа данных weka: обновление. Информационный бюллетень ACM SIGKDD Explorations. 2009. 11 (1): 10–18.
28. 28. Брейман Л. Случайные леса. Машинное обучение. 2001. 45 (1): 5–32.
29. 29. le Cessie S, van Houwelingen JC. Оценщики хребта в логистической регрессии. Прикладная статистика. 1992. 41 (1): 191–201.
30. 30. Platt JC. Быстрое обучение опорных векторных машин с использованием последовательной минимальной оптимизации. В: Достижения в методах ядра. MIT Press Cambridge; 1999.
31. 31. Кеэрти СС, Шеваде СК, ЦБ, Мурти КРК. Улучшения в алгоритме SMO Platt для проектирования классификатора SVM. Нейронные вычисления. 2001. 13 (3): 637–649.
32. 32. Ландвер Н., Холл М., Фрэнк Э. Деревья логистических моделей. Машинное обучение. 2005. 95 (1–2): 161–205.
33. 33. Гао З.К., Цай Цюй, Ян YX, Донг Н, Чжан СС.График видимости из частотно-временного представления адаптивного оптимального ядра для классификации эпилептиформной ЭЭГ. Международный журнал нейронных систем. 2017; 27 (4): 1750005. DOI: 10.1142 / S0129065717500058. pmid: 27832712
34. 34. Дворк С., Фельдман В., Хардт М., Питасси Т., Рейнгольд О., Рот А. Многоразовая задержка: сохранение достоверности в адаптивном анализе данных. Наука. 2015; 349: 636–638. DOI: 10.1126 / science.aaa9375. pmid: 26250683
35. 35. Ван Дж, Лу В., Лю Л., Ли Л., Ся К.Оценка полезности на основе сопоставления «один-к-N» в игре «Дилемма заключенного для взаимозависимых сетей». PLoS ONE. 2016; 11 (12): e0167083. DOI: 10.1371 / journal.pone.0167083. pmid: 27907024
36. 36. Чен М., Ван Л., Сунь С., Ван Дж., Ся К. Эволюция сотрудничества в игре пространственных общественных благ с адаптивным набором репутации. Physics Letters A.