دنا: استفاده از اهداف شبکه اجتماعی و یادگیری ماشین به منظور تشخیص حساب های جعلی و بهبود امنیت شبکه های اجتماعی

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 168

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PADSA-10-1_007

تاریخ نمایه سازی: 24 بهمن 1401

چکیده مقاله:

امروزه همگام با فراگیر شدن شبکه های اجتماعی، امنیت این محیط یکی از مسائل مهم و پراهمیت تلقی می شود. یکی از چالش های امنیتی، ایجاد حساب های کاربری جعلی است که موجب آزار و اذیت کاربران شبکه های اجتماعی می شود. صاحبان این حساب های جعلی، اهدافی مانند ایجاد لایک و دنبال کننده و یا توزیع اطلاعات غلط با اهداف سیاسی، فرهنگی و اقتصادی را دنبال می کنند. در این پژوهش، با هدف بهبود امنیت در شبکه های اجتماعی و ارتقای امنیت فضای سایبری، روشی برای بررسی و تشخیص حساب های جعلی ارائه خواهد شد. روش پیشنهادی به نام «دنا»، از یک جهت از اهداف شبکه اجتماعی و از طرف دیگر از روش الگوریتم ترکیبی با درخت تصمیم، نزدیک ترین همسایه و بیز بهره خواهد گرفت. نتایج از اجرای روش پیشنهادی با الگوریتم ترکیبی، میزان صحت ۹۵/۳۴ درصد را نشان می دهد. پایداری و نداشتن overfit از دیگر ویژگی های روش پیشنهادی است که در قسمت نتایج اثبات شده است. نتایج این تحقیق می تواند در ارائه ی راهکارهای پیشگیری از ایجاد حساب های جعلی و افزایش امنیت آن به کار رود و منجر به شناخت و بهره گیری از تکنیک های جدید داده کاوی در شبکه های اجتماعی گردد و در حوزه ی تحلیل داده و داده کاوی در شبکه های اجتماعی مورد استفاده قرار گیرد.

کلیدواژه ها:

حساب های جعلی ، داده کاوی ، تشخیص و پیشگیری از ایجاد حساب جعلی ، امنیت سایبری ، شبکه های اجتماعی

نویسندگان

سیده صفیه سیادت

استادیار، گروه کامپیوتر، دانشگاه پیام نور تهران، تهران، ایران

وحید رحمتی

کارشناسی ارشد، گروه فناوری اطلاعات، دانشگاه پیام نور تهران، تهران، ایران

سیده فاطمه نورانی

استادیار، گروه کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور تهران، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Mudasir Ahmad Wani, Muzafar Ahmad Sofi, Suheel Yousuf Wani., “Why ...
  • Staab, S., Domingos, P., Mike, P., Golbeck, J., Ding, L., ...
  • Ed Grabianowski, “How Online Dating Works”, http://people.howstuffworks.com/online- dating.htm, last accessed۲۰-۰۷-۲۰۱۶ ...
  • Howard, B., “Analyzing Online Social Networks”, Communications of the ACM,۵۱(۱۱), ...
  • Kirman, B., Lawson, S., & Linehan, C., “Gaming on and ...
  • Aichner, T., & Jacob, F., “Measuring the Degree of Corporate ...
  • Skeels, M. M., & Grudin, J., “When Social Networks Cross ...
  • Dan Kaplan (January ۲۳, ۲۰۱۲)Twilio Blog , “Match.com Lets Online ...
  • “Sky Rock”, http://www.skyrock.com/, last accessed ۱۰-۰۷-۲۰۱۶ ...
  • David Matthews, “The world University ranking, Do academic social networks ...
  • Mohammad Rezaei, Mohammad Reza. Detection of fake accounts on social ...
  • Ghaderi Piraqom, Saeed, Sakhainia, Mehdi, Mansoorizadeh, Muharram. Diagnosis of anomalies ...
  • Ghesmati, Simin. Manage spam on social media using content tagging. ...
  • Snapfish, https://www.snapfish.com/photo-gift/home ...
  • S. Madisetty and M. S. Desarkar, “A Neural Network-Based, Ensemble ...
  • Rohit Kumar Kaliyar, Anurag Goswami, Pratik Narang, Soumendu Sinha, FNDNet ...
  • Rohit Kumar Kaliyar, Anurag Goswami, Pratik Narang, Soumendu Sinha, FNDNet ...
  • Vergeer, M., Hermans, L., & Sams, S., “Online Social Networks ...
  • X. Zhang, S. Zhu, and W. Liang, “Detecting spam and ...
  • Fazil, M., & Abulaish, M. (۲۰۱۸). A Hybrid Approach for Detecting ...
  • نمایش کامل مراجع