با محبوب شدن شبکه های اجتماعی، حملات امنیتی و جرایم رایانه ای به سمت این سایت ها، افزایش یافته است. در اغلب موارد، هدف از حمله به حساب های کاربران ، سرقت اطلاعات شخصی، یا پخش کردن هرزنامه است. در یک شبکه اجتماعی، حساب های جعلی را با بررسی ویژگی های دقیق ، به راحتی می توان شناسایی و غیر فعال کرد. در حالت مقابل، ممکن است نفوذگر ، حساب قانونی یک کاربر را به تصرف خود در آورده و از آن برای اقدمات مخرب خود بهره جوید. در این صورت تشخیص و غیر فعال کردن این حساب ها ، برای مدیر شبکه اجتماعی به راحتی امکان پذیر نخواهد بود. تاکنون روش های زیادی برای تشخیص حساب های جعلی در شبکه های اجتماعی ارائه شده است. اما طبق بهترین  دانش نویسندگان در تشخیص حساب های در معرض خطر  الگوریتم قابل قولی وجود ندارد . در این پژوهش به اراو یک روش آماری برای ایجاد مدلی رفتاری از عملکرد کاربران با توجه به تاریخچه فعالیت آنان چپرداخته ایم . به عبارت دیگر با استناد به مجموعه ویژگی هاییمنحصر بفرد و با استفاده از یک مدل آماری ، به کشف تغییرات ناکهانی در پروفایل کاربران پرداخته ایم . از انجا که تغییرات ناگهانی ممکن است صحیح و از سمت خود کاربر باشد، ما از یک طبقه بند و ویژگی های مشابهت محتوا در تلفیق با مدل آماری پیشنهادی خود استفاده کرده ایم. ارائه مدل طبقه بندی برای دسته بندی رفتار های کاربر، با توجه به ویژگی های ارائه شده در این مقاله ، روش یسیار منطقی را برای شناسایی  حساب های غیر قانونی فراهم کرده است. بازه های استخراج ویژگی یک ساعته در بررسی جریان های نامه ای در داده های دو شبکه اجتماعی معروف فیسبوک و تویتر ، دقت بسیار مناسب روش پیشنهادی نمایش داده شده است. علاوه بر این ، اندازه گیری نرخ نمونه غلط صحیح در بررسی بیش از 50 میلیون پست توییت شده ، به کمتر از 5% رسیده است . نتایج نشان می دهد، روش پیشنهادی ، قابلیت تجمیع در کلیه پلت فرم های شبکه های اجتماعی را داراست.

برای مشاهده کامل مقاله کلیک کنید .

امیدواریم از این مقاله بهره کافی را برده باشید .

شرکت طراحی سایت رادکام سیستم اماده ارائه خدمات به مشتریان گرامی است .  نمونه کارهای مارا از لینک لیست مشتریان در منوی بالای صفحه مشاهده کنید .