مشخصات مقاله:
عنوان فارسی مقاله:
شناسایی اسپمرهای اجتماعی از دیدگاه های متعدد
عنوان انگلیسی مقاله:
Discovering social spammers from multiple views
کلمات کلیدی مقاله:
تشخیص اسپمر اجتماعی، یادگیری چنددیدگاهی، عبارت ساماندهی اجتماعی
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر و فناوری اطلاعات
مناسب برای گرایش های دانشگاهی زیر:
اینترنت و شبکه های گسترده، رایانش ابری
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1-مقدمه
2- آنالیز داده ها
2-1- مجموعه داده
2-2- اهمیت اطلاعات دیدگاه متعدد
2-3- اهمیت تکمیل اطلاعات
3- تعریف مسئله
4- یادگیری چنددیدگاهی برای تشخیص اسپمر اجتماعی
4-1- یادگیری چنددیدگاهی
4-2- ساماندهی اجتماعی
4-3- MVSD: یادگیری چنددیدگاهی برای تشخیص اسپمر اجتماعی
4-4- بهینه سازی
5- آزمایشات
5-1- اصول مبنا و ستاپ تجربی
5-2- ارزیابی عملکرد
5-3- ارزیابی یادگیری چنددیدگاهی
5-4- ارزیابی ساماندهی اجتماعی
5-5- ارزیابی تکمیل اطلاعات
6- کارهای مرتبط
7- نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Online social networks (OSNs), such as Twitter and Facebook, have become popular platforms to disseminate and share information [1]. Unfortunately, social spammers take advantage of those platforms to spread phishing scams, publish malicious content and links, and promote commodity information [2–4]. According to a study by Nexgate [5], the number of social spam grew more than 355% from January to July of 2013, which means that one in two hundred social messages was a spam, and 15% of all spams contained URLs linking to risky websites. Spammers are so sophisticated and concealed that they change spamming strategies irregularly and try to disguise as legitimate users. Moreover, to increase their influence and be undetected, spammers collude with each other to construct the criminal communities [6]. The malicious behavior of spammers has not only hindered the OSNs’ development largely [7], but also threatened information security and personal privacy [8]. Therefore, it is crucial to design effective and novel spammer detection methods for the development of social systems.
1-مقدمه
شبکه های اجتماعی آنلاین (OSNها)، همانند توئییتر و فیسبوک، تبدیل به پلتفرم های پرطرفدار برای انتشار و اشتراک اطلاعات شده اند [1]. متاسفانه، اسپمرهای اجتماعی از مزایای این پلتفرمها برای پخش کلاهبرداریهای فیشینگ ، انتشار محتوی و لینکهای مخرب و پخش اطلاعات مالی(کالایی) سود می برند [2 تا 4]. براساس مطالعه انجام شده توسط نکس گیت [5] ، تعداد اسپم های اجتماعی از ژانویه تا ژولای 2013 برابر با 355 درصد رشد داشته است که بدین معنی است که از هر دویست پیام اجتماعی یکی از آنها اسپم بوده است و 15 درصد تمام پیام های اسپم حاوی URLهای دارای ارتباط (لینک) با وبسایتهای پرخطر می باشند. اسپمرها بسیار پیچیده هستند و نتیجه گرفته شده است که آنها استراتژیهای اسپمینگ را به طور نامنظم تغییر می دهند و تلاش می کنند تا به عنوان کاربران مشروع مخفی شوند. به علاوه، به جهت افزایش تاثیر خود و برای اینکه ناشناخته باقی بمانند، اسپمرها با یکدیگر برای ساخت جوامع (اجتماعات) جنائی تبانی می کنند [6]. رفتار مخرب اسپمرها نه تنها مانع توسعه گسترده OSNها شده است [7] بلکه همچنین امنیت اطلاعات و حریم خصوصی شحصی را تهدید کرده است [8]. بنابراین، ضروری است تا روشهای تشخیص اسپمر کارآمد و نوین برای توسعه سیستم های اجتماعی طراحی کرد.