مروری بر روش های تشخیص ناهنجاری مبتنی برگراف در شبکه های اجتماعی

استفاده از شبکه های اجتماعی برای برقراری ارتباط و اشتراک گذاری اطلاعات رشد چشم گیری در سال های اخیر داشته و در اکثر حوزه های آموزش، کسب و کار، سلامت و سرگرمی کاربرد دارند. حجم زیاد اطلاعات با ارزش در شبکه های اجتماعی آن‌ها را هدف اصلی کاربران مخرب همچون هرزنامه نویس ها و کلاه‌برداران برای انجام فعالیت های ناهنجار و غیرقانونی قرار داده است. رفتار نامتعارف و دور از انتظار این کاربران با استفاده از روش های تشخیص ناهنجاری شناسایی می شود. تشخیص ناهنجاری اهمیت بسزایی در جلوگیری از کلاه برداری، انتشار اطلاعات تقلبی و سازمان دهی حملات در این شبکه ها دارد. ناهنجاری ها ایستا یا پویا و با ویژگی یا بدون ویژگی هستند. در این مقاله روش های مختلف توسعه‌یافته برای تشخیص انواع ناهنجاری در شبکه های اجتماعی مورد بررسی و دسته بندی قرار گرفته و مروری بر تشخیص ناهنجاری، کاربردهای آن، چالش های موجود و موضوعات کلیدی برای پژوهش های آینده ارائه شده است.

A survey on graphbased anomaly detection methods in social networks

The use of social networks to communicate and share information has grown dramatically in recent years. These networks are nowadays used in most areas such as education, business, health and entertainment. The large amount of valuable information on social networks has made them the main target of malicious users, such as spammers and fraudsters, for carrying out abusive and illegal activities. The abnormal and unexpected behavior of these users is identified using anomaly detection methods. Detection of anomalies is important in preventing fraud, dissemination of counterfeit information and configuration of attacks in these networks.  Anomalies are static or dynamic, with or without attributes. In this paper, various methods developed for anomaly detection in social networks have been investigated and categorized and an overview provided on anomaly detection, its applications, existing challenges and key areas for future research.