مرور روشهای محاسباتی کشف استخدام جعلی تحت وب

در دنیای دیجیتال، آگهی های استخدام جعلی به یک چالش امنیتی جدی تبدیل شده اند. این مقاله روش های محاسباتی برای تشخیص این آگهی ها، شامل یادگیری ماشین، یادگیری عمیق، تحلیل ویژگی های محتوایی و زمینه ای، و جمع آوری (Crowdsourcing) را بررسی می کند. با جستجو در پایگاه های معتبر علمی مانند Google Scholar و پس از حذف مقالات تکراری و غربال عنوان، چکیده و کلمات کلیدی و تنها با لحاظ کردن مقالات منتشر شده در مراجع علمی معتبر، ۳۰ پژوهش در محدوده بررسی تشخیص داده شد و از جنبه های مختلف مورد بررسی قرار گرفت. دیتاست های رایج معرفی شدند و الگوریتم های یادگیری ماشین و مدل های یادگیری عمیق دارای دقت بالا برای شناسایی آگهی های جعلی گزارش شدند. همچنین با توجه به چالش نامتوازن بودن داده، استفاده از تکنیک هایی مانند SMOTE و روش های ترکیبی نیز شناخته شد. نتایج نشان می دهد ترکیب یادگیری ماشین و جمع آوری دقت تشخیص را افزایش می دهد. توسعه سیستم های هوشمند، به روزرسانی پایگاه های داده، و آموزش کاربران راهکارهای کلیدی برای مقابله با این پدیده هستند.

کلیدواژه ها:

استخدام جعلی ، استخدام جعلی برخط ، تشخیص استخدام جعلی ، آگهی استخدام