استفاده از شبکه‌ عصبی خودرمزگذار برای شناسای گره‌های ناهنجار در شبکه‌های اطلاعات

برمبنای مفاهیم علوم داده و شبکه، هر سیستم اطلاعاتی در دنیای واقعی را می‌توان به شکل یک شبکه اطلاعاتی شامل عامل‌ها و ارتباط‌های مابین آنها مدلسازی کرد، که از آن جمله می‌توان به شبکه‌های اجتماعی، کامپیوتری، زیستی و اقتصادی اشاره کرد. تشخیص رفتارهای ناهنجار در شبکه‌های اطلاعاتی، کاربردهای مختلفی را متناسب با حوزه مورد مطالعه شامل می‌شود و از اهمیت ویژه‌ای برخوردار است. بر اساس تعریفی از ناهنجاری‌ها، که در این مقاله مورد توجه قرار گرفته است، منظور گره‌هایی هستند که رفتار متفاوتی نسبت به گره‌های همسایه‌ی خود دارند. روش‌های مختلفی برای شناسایی این رفتارها با استفاده از اطلاعات موجود در شبکه معرفی شده است، که در این بین روش‌های مبتنی بر تحلیل ساختاری، به دلیل بکارگیری اطلاعات پنهان در ساختار شبکه، توجه محققان را به خود جلب کرده‌اند. در این مقاله، با استفاده از ساختار شبکه و برمبنای رویکرد تحلیل طیفی، با بکارگیری سه فاز استخراج اطلاعات ساختاری، یادگیری شبکه عصبی به همراه کاهش بعد و رتبه‌بندی کاربران، به شناسایی ناهنجاری‌ در شبکه‌های اطلاعاتی پرداخته شده است. با انجام آزمایش‌های مختلفی که روی مجموعه داده مصنوعی انجام شده، نتایج قابل قبولی در مقایسه با کارهای پیشین، از منظر شاخص ارزیابی نظارتی (شاخص مرتفع‌سازی)، بدست آمده است.