|
|
|
|
تشخیص هرزنامه نویسان در شبکه های اجتماعی با استفاده از ترکیب ویژگی های کاربر وروشهای آماری
|
|
|
|
|
|
|
|
نویسنده
|
امامی پور جعفر
|
|
منبع
|
دومين كنفرانس ملي كسب و كار نوين در مهندسي برق و كامپيوتر - 1402 - دوره : 2 - دومین کنفرانس ملی کسب و کار نوین در مهندسی برق و کامپیوتر - کد همایش: 02231-86821 - صفحه:0 -0
|
|
چکیده
|
یکی از کارکردهای شبکه های اجتماعی در بازارهای خریدو فروش آنلاین می‌باشد در این شبکه ها کاربران با ایجاد نظر، میتوانند روی نظرات سایر کاربران تاثیر بگذارند. در بسیار از مواقع به جای کاربران واقعی افراد غیر واقعی(فیک) نظرات خودرا ثبت میکنند یا اینکه مطاب نادرست در شبکه پخش میکنند.طی سالیان اخیر،با افزایش خرید و فروش انلاین و تبلیغات اینترنتی، روند رو به رشدی در هرزنامه نویسی به وجود امده است. هرزنامه نویسان اتوماتیک(spammer ) کاربران فیکی هستندکه در محیطهای انلاین فعالیت دارند .به دلیل منافع مالی که در این حوزه وجود دارد اسپمرها تلاش میکنند تا نظرات کاربران را تغییر داده و روی پارامترهای مانند خرید/ فروش سازمانها تاثیر بگذراند. همچنین بسیاری از اسپمرها با تشکیل ساز و کارهای گروهی تبانی انجام داده و هدفمند نظرات خودرا درشبکه اجتماعی پخش میکنند. در این مقاله با استفاده از دادهای اماری کاربران موجود و ردیابی رفتار هر کاربر تلاش میشود تا مدل رفتاری- اماری کاربر/ کاربران استخراج شود سپس با استفاده از مدلهای آماری کاربران به عنوان اسپمر یا کاربر عادی شناسایی شوند.
|
|
کلیدواژه
|
هرزنامه، ردیابی هرزنامه، تبانی، رفتار کاربر
|
|
آدرس
|
, iran
|
|
پست الکترونیکی
|
j.emamipour@pnu.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
identifying spammers in social networks using a combination of user characteristics and statistical methods
|
|
|
|
|
Authors
|
|
|
Abstract
|
one of the functions of social networks in online marketplaces is that users can influence the opinions of others by posting their own. often, instead of real users, fake individuals register their opinions or spread incorrect information on the network. in recent years, with the increase in online shopping and internet advertising, there has been a growing trend in spamming. automatic spammers are fake users who are active in online environments. due to the financial benefits in this field, spammers try to change the opinions of users and affect parameters such as the buying/selling of organizations. moreover, many spammers collude in group mechanisms and deliberately spread their opinions on social networks. this article attempts to extract a behavioral-statistical model of user/users using statistical data of existing users and tracking the behavior of each user. then, using statistical models, users are identified as spammers or regular users.
|
|
Keywords
|
spam ,spam detection ,collusion ,user behaviour
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|