سال انتشار: 1395
محل انتشار: دومین کنفرانس بین المللی وب پژوهی
کد COI مقاله: IRANWEB02_037
زبان مقاله: فارسیمشاهده این مقاله: 1,101
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله ارائه روشی جهت بهبود تشخیص هرزنامه نویسان در شبکه های اجتماعی آنلاین
چکیده مقاله:
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.
کلیدواژه ها:
کد مقاله/لینک ثابت به این مقاله
کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IRANWEB02_037 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:https://civilica.com/doc/481681/
نحوه استناد به مقاله:
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:سالاری سروری، سیما و خسروی فارسانی، هادی و خیام باشی، محمدرضا،1395،ارائه روشی جهت بهبود تشخیص هرزنامه نویسان در شبکه های اجتماعی آنلاین،دومین کنفرانس بین المللی وب پژوهی،تهران،https://civilica.com/doc/481681
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1395، سالاری سروری، سیما؛ هادی خسروی فارسانی و محمدرضا خیام باشی)
برای بار دوم به بعد: (1395، سالاری سروری؛ خسروی فارسانی و خیام باشی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
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 :- S. Abu-Nimeh, T. Chen, and O. Alzubi, "Malicious and spam ...
- K. Thomas, and D. M. Nicol, "The koobface botnet and ...
- G. Yan, G. Chen, S. Eidenbenz, and N. Li, "Malvare ...
- C ommunications Security, Mar. 201 1. ...
- Z. Chu, S. Gianvecchio, H. Wang, and S. Jajodia, "Who ...
- F. Benevenuto, , Magno, T.Rodrigues and Y. Almeida, "Detect spammers ...
- Z. Chen, J. Yang and J. H. Wang, "A Cascading ...
- X. Zheng, Z. Zeng and Z. Chen. "Detecting spammers _ ...
- C. Yang, R. Harkreader, G. Gu, "Empirical Evaluation and New ...
- J. Song, S. Lee, and J. Kim, "Spam Filtering in ...
- G. Stringhini, C. Kruegel, and G. Vigna, "Detecting spammers or ...
- C onferenc e(ACM) , Dec. 2010. ...
- K. Lee, J. Caverlee, and S. Webb, "Uncovering social spammers: ...
- The definition of Spam on Twitter Help Center, https : ...
- H. Kho sravi-Farsani , M. Nematbakhsh, and G. Lausen, "SRank: ...
- A. H. Wang, "Security and Cryptography (SECRYPT), Don t Follow ...
- F. Benevenuto, T Rodrigues, V. Almeida, J. Almeida, and M. ...
- F. Benevenuto, G. Magno, T. Rodrigues, and V. Almeida, "Detecting ...
- H. Gao, J. Hu, C.Wilson, Z. Li, Y. Chen, and ...
- A. Gupta, R. Kaushal, "Improving Spam Detection in Online Social ...
مدیریت اطلاعات پژوهشی
اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
نظرات خوانندگان
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.
مقالات پیشنهادی مرتبط
- بررسی کاربرد اینترنت اشیاء در تجارت الکترونیک
- ارائه مدلی جهت ارزیابی کارایی و قابلیت اطمینان در سطح معماری نرم افزار
- بررسی block chain و کاربرد آن در حوزه های مختلف
- بازشناسی حالت چهره بااستفاده از مدل مخفی مارکف و واحدهای عمل
- بررسی کاربرد اینترنت اشیاء در تجارت الکترونیک
مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.
مقالات مرتبط جدید
- شبیه سازی فرآیند شکل دهی کلینچ در ورق های فلزی و آلومینیومی به روش المان محدود
- Algorithmic designing of the Intake valve and Exhaust valve based on empirical formula by Catia software on Thunder ۰۹ vehicle
- شناسایی مهمترین مولفه های هوشمندسازی در مراکز اقامتی گردشگری (راهنمای جامع جهت افزایش رضایت و جذب گردشگران)
- بررسی الگوریتم های فراابتکاری و نقش آفرینی موثر آنها در سرویس ترکیبی سازمانی
- الگوریتم زمانبندی کارهای چند منظوره برای بهینه سازی خروجی به هنگام محاسبات ابری
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
به اشتراک گذاری این صفحه
اطلاعات بیشتر درباره COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.