ارائه روشی جهت بهبود تشخیص هرزنامه نویسان در شبکه های اجتماعی آنلاین

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,374

فایل این مقاله در 6 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IRANWEB02_037

تاریخ نمایه سازی: 9 مرداد 1395

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.

نویسندگان

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

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 ...
  • نمایش کامل مراجع