مجتبی اعجمی - دانشکده مهندسی برق و کامپیوتر -دانشگاه آزاد اسلامی واحد زنجان - زنجان - ایران
ناصر عسگری - دانشکده مهندسی برق و کامپیوتر ، دانشگاه آزاد اسلامی واحد زنجان ، زنجان ، ایران

شبکه های اجتماعی به دلیل استفاده وسیع و محبوبیت آنها در معرض حملات کلاهبردارانه و فعالیت های غیرقانونی و بوجود آمدن مشکلات امنیتی هستند. بنابراین، شناسایی فعالیت های غیرعادی به ویژه در شبکه های اجتماعی، به این دلیل که کمک می کند تا اطلاعات مهم و قابل توجهی در مورد رفتار کاربران غیرعادی بدست آورده و آنها را شناسایی کنیم؛ مورد نیاز است. به منظور تشخیص ناهنجاری ها در شبکه های اجتماعی، محققان عمدتا به رویکردهای مبتنی بر رفتار و ساختار متکی هستند. ما با استفاده از معرفی و تجزیه و تحلیل معیارهای مهم گراف برای تشخیص فعالیت های غیرعادی، رویکرد مبتنی بر ساختار گراف را گسترش می دهیم. مقایسه و اثربخشی اقدامات بر اساس سنجش های آماری مانند دقت ، بازخوانی و F-Score و همچنین بر اساس نمرات غیر عادی محاسبه و ارائه شده است. ارزیابی نظری و تجربی روی چند مجموعه داده بزرگ نشان می دهد که رابطه بین گره واسط و تعداد لبه ها برای تشخیص و رتبه بندی حداکثری تعداد ناهنجاری ها به درستی کمک می کند.

ناهنجاری, مرکزیت بینابینی, گره واسط, دسته ها, شبکه های اجتماعی اینترنتی, شبکه های ستاره ای