سیما سالاری سروری - دانشجوی مقطع کارشناسی ارشد، دانشکده مهندسی کامپیوتر، موسسه آموزش عالی صفاهان، اصفهان
هادی خسروی فارسانی - استادیار، دانشکده مهندسی کامپیوتر دانشگاه شهرکرد
محمدرضا خیام باشی - عضو هیت علمی، دانشکده مهندسی کامپیوتر دانشگاه اصفهان

امروزه شبکه ها و اینترنت به بخشی جدایی ناپذیر از زندگی بشر تبدیل شده است. این موضوع در کنار مزایای بسیار، می تواند انواع تهدیدات امنیتی و ناهنجاری های اجتماعی را نیز به دنبال داشته باشد. رشد روز افزون شبکه های اجتماعی آنلاین به دلیل محبوبیت وکاربری آسان، آنها را به عنوان اصلی ترین هدف برای هرزنامه نویسان تبدیل کرده است. در این میان بسیاری از مطالعات موجود از روش های یادگیری ماشین برای شناسایی هرزنامه نویس ها استفاده نموده اند. در حالی که هرزنامه نویسان همواره برای فرار از ویژگی های تشخیص موجود، در حال ابداع روش های جدید هستند. در این مقاله، با درک عمیق از اثربخشی و مشکلات استفاده از ویژگی های یادگیری ماشین برای شناسایی هرزنامه نویسان، ویژگی های موثرتری طراحی شده و نتایج بدست آمده از آن با کارهای پیشین، مورد ارزیابی قرار می گیرد. با توجه به آزمایش های صورت گرفته، نشان داده می شود که ویژگی های طراحی شده جدید، قادر هستند بسیار موثرتر برای تشخیص هرزنامه نویسان توییتر مورد استفاده قرار گیرند. در ادامه به طور خاص، از الگوریتم ساختاری ( SRank) به عنوان یک ویژگی موثر به منظور محاسبه شباهت بین کاربران و همسایگانشان بهره برده شده است. با توجه به ارزیابی صورت گرفته، با پایین ماندن حداقل نرخ مثبت کاذب ، سرعت کشف و شناسایی هرزنامه نویسان همچنان با استفاده از ویژگی های جدید نیز به طور قابل توجهی بالاتر از کارهای موجود است.

شبکه های اجتماعی، گراف اجتماعی، هرزنامه نویس، طبقه بندی