CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه روشی جهت بهبود تشخیص هرزنامه نویسان در شبکه های اجتماعی آنلاین

اعتبار موردنیاز PDF: ۱ WORD: ۳ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۶۹۹ | نظرات: ۰
سال انتشار: ۱۳۹۵
نوع ارائه: شفاهی
کد COI مقاله: IRANWEB02_037
زبان مقاله: فارسی
حجم فایل: ۳۴۳.۴۱ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه روشی جهت بهبود تشخیص هرزنامه نویسان در شبکه های اجتماعی آنلاین

  سیما سالاری سروری - دانشجوی مقطع کارشناسی ارشد، دانشکده مهندسی کامپیوتر، موسسه آموزش عالی صفاهان، اصفهان
  هادی خسروی فارسانی - استادیار، دانشکده مهندسی کامپیوتر دانشگاه شهرکرد
  محمدرضا خیام باشی - عضو هیت علمی، دانشکده مهندسی کامپیوتر دانشگاه اصفهان

چکیده مقاله:

امروزه شبکه ها و اینترنت به بخشی جدایی ناپذیر از زندگی بشر تبدیل شده است. این موضوع در کنار مزایای بسیار، می تواند انواع تهدیدات امنیتی و ناهنجاری های اجتماعی را نیز به دنبال داشته باشد. رشد روز افزون شبکه های اجتماعی آنلاین به دلیل محبوبیت وکاربری آسان، آنها را به عنوان اصلی ترین هدف برای هرزنامه نویسان تبدیل کرده است. در این میان بسیاری از مطالعات موجود از روش های یادگیری ماشین برای شناسایی هرزنامه نویس ها استفاده نموده اند. در حالی که هرزنامه نویسان همواره برای فرار از ویژگی های تشخیص موجود، در حال ابداع روش های جدید هستند. در این مقاله، با درک عمیق از اثربخشی و مشکلات استفاده از ویژگی های یادگیری ماشین برای شناسایی هرزنامه نویسان، ویژگی های موثرتری طراحی شده و نتایج بدست آمده از آن با کارهای پیشین، مورد ارزیابی قرار می گیرد. با توجه به آزمایش های صورت گرفته، نشان داده می شود که ویژگی های طراحی شده جدید، قادر هستند بسیار موثرتر برای تشخیص هرزنامه نویسان توییتر مورد استفاده قرار گیرند. در ادامه به طور خاص، از الگوریتم ساختاری ( SRank) به عنوان یک ویژگی موثر به منظور محاسبه شباهت بین کاربران و همسایگانشان بهره برده شده است. با توجه به ارزیابی صورت گرفته، با پایین ماندن حداقل نرخ مثبت کاذب ، سرعت کشف و شناسایی هرزنامه نویسان همچنان با استفاده از ویژگی های جدید نیز به طور قابل توجهی بالاتر از کارهای موجود است.

کلیدواژه‌ها:

شبکه های اجتماعی، گراف اجتماعی، هرزنامه نویس، طبقه بندی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IRANWEB02-IRANWEB02_037.html
کد COI مقاله: IRANWEB02_037

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
سالاری سروری, سیما؛ هادی خسروی فارسانی و محمدرضا خیام باشی، ۱۳۹۵، ارائه روشی جهت بهبود تشخیص هرزنامه نویسان در شبکه های اجتماعی آنلاین، دومین کنفرانس بین المللی وب پژوهی، تهران، دانشگاه علم و فرهنگ، https://www.civilica.com/Paper-IRANWEB02-IRANWEB02_037.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (سالاری سروری, سیما؛ هادی خسروی فارسانی و محمدرضا خیام باشی، ۱۳۹۵)
برای بار دوم به بعد: (سالاری سروری؛ خسروی فارسانی و خیام باشی، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • S. Abu-Nimeh, T. Chen, and O. Alzubi, "Malicious and spam ...
  • K. Thomas, and D. M. Nicol, "The koobface botnet and ...
  • G. Yan, G. Chen, S. Eidenbenz, and N. Li, "Malvare ...
  • C ommunications Security, Mar. 201 1. ...
  • Z. Chu, S. Gianvecchio, H. Wang, and S. Jajodia, "Who ...
  • F. Benevenuto, , Magno, T.Rodrigues and Y. Almeida, "Detect spammers ...
  • Z. Chen, J. Yang and J. H. Wang, "A Cascading ...
  • X. Zheng, Z. Zeng and Z. Chen. "Detecting spammers _ ...
  • C. Yang, R. Harkreader, G. Gu, "Empirical Evaluation and New ...
  • J. Song, S. Lee, and J. Kim, "Spam Filtering in ...
  • G. Stringhini, C. Kruegel, and G. Vigna, "Detecting spammers or ...
  • C onferenc e(ACM) , Dec. 2010. ...
  • K. Lee, J. Caverlee, and S. Webb, "Uncovering social spammers: ...
  • The definition of Spam on Twitter Help Center, https : ...
  • H. Kho sravi-Farsani , M. Nematbakhsh, and G. Lausen, "SRank: ...
  • A. H. Wang, "Security and Cryptography (SECRYPT), Don t Follow ...
  • F. Benevenuto, T Rodrigues, V. Almeida, J. Almeida, and M. ...
  • F. Benevenuto, G. Magno, T. Rodrigues, and V. Almeida, "Detecting ...
  • H. Gao, J. Hu, C.Wilson, Z. Li, Y. Chen, and ...
  • A. Gupta, R. Kaushal, "Improving Spam Detection in Online Social ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: موسسه غیرانتفاعی
    تعداد مقالات: ۹۱
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.