شناسایی پروفایل‌های جعلی در شبکه های اجتماعی با استفاده الگوریتم ماشین بردار پشتیبان بهینه شده با الگوریتم های بهینه سازی

در رسانه های اجتماعی، حجم قابل توجهی از داده ها در سراسر جهان توزیع شده است و روزانه هزاران کاربر جدید به رسانه های اجتماعی می پیوندند. رسانه‌ اجتماعی یک زندگی مجازی است که در آن کاربران مخرب می‌توانند بر اعتبار افراد تاثیر بگذارند. بیشتر این نوع فعالیت ها توسط پروفایل های جعلی انجام می شود. بنابراین، شناسایی پروفایل های جعلی ضروری است و می توان آن را در مراحل اولیه ساخت پروفایل انجام داد. در این پایان نامه، هدف طراحی یک مدل یادگیری ماشین است که پروفایل های جعلی را در مراحل اولیه شناسایی کند. در روش پیشنهادی یک طبقه‌بندی‌کننده باینری ماشین بردار پشتیبان آموزش‌دیده بر روی مجموعه داده کاگل موجود به منظور شناسایی اینکه آیا یک پروفایل جعلی است یا نه اعمال می گردد. این طبقه بند با هدف پیدا کردن یک ابر صفحه بهینه برای جدا کردن دو کلاس استفاده شده است. همچنین این ابر صفحه بهینه با کمک چهار الگوریتم بهینه سازی خفاش، کرم شب تاب، گرگ خاکستری و نهنگ که از پدیده های مختلف طبیعی الهام گرفته شده اند، یافت می شود. نتایج نشان می دهد، در بین چهار الگوریتم بهینه‌سازی، عملکرد الگوریتم بهینه‌ساز گرگ خاکستری بهتر از دیگر الگوریتم ها است. با این حال، هر چهار الگوریتم بهینه‌سازی به طور قابل‌توجهی عملکرد بهتری از مدل پایه ماشین بردار پشتیبان دارند.