تشخيص كاربران جعلي در شبكه‌هاي اجتماعي با استفاده از تحليل مولفه‌هاي اصلي و الگوريتم تخمين چگالي هسته(مطالعه موردي: روي شبكه اجتماعي توئيتر)

استفاده از شبكه‌هاي اجتماعي به شكل فزاينده‌اي در حال رشد است و افراد زمان زيادي از وقت خود را صرف استقاده از اين شبكه‌ها مي‌كنند. افراد مشهور و شركت‌ها از اين شبكه‌ها براي ارتباط با طرفداران و مشتريان خود استفاده كرده و آژانس‌هاي خبري براي توزيع خبر از اين شبكه‌ها استفادهمي‌كنند. در راستاي ترقي محبوبيت و رواج شبكه‌هاي اجتماعي بر خط، خطرات و تهديدات امنيتي نيز درحال افزايش است و انجام فعاليت‌هاي مخرب و حملاتي از قبيل فيشينگ، ايجاد كاربرانجعلي و اسپم‌ها در اين شبكه‌هاافزايش چشمگيري داشته است. در حمله ايجاد كاربر جعلي، كاربران مخرب با ايجاد كاربر جعلي خود را به جاي افراد معرفي مي‌كنند و از اين طريق از شهرت افراد يا شركت‌ها سوء استفاده مي‌كنند.در اين مقاله يك روش جديد براي كشف كاربران جعلي در شبكه‌هاي اجتماعي بر پايه الگوريتم‌هاي يادگيري ماشين ارائه مي‌شود. در روش پيشنهادي براي آموزش ماشين از ويژگي‌هاي شباهت مختلفي مانند شباهت كسينوس، شباهت جاكارد، شباهت شبكه دوستي و معيارهاي مركزيت استفاده مي‌شود كه همهاين ويژگي‌ها از ماتريس مجاورت گراف شبكه اجتماعي استخراج مي‌شوند. در ادامه جهت كاهش ابعاد داده‌ها و حل مشكل بيش برازش از تحليل مولفه‌هاي اصلي استفاده شد. سپس با استفاده از دسته‌بندهايتخمين چگالي هسته و الگوريتم شبكه عصبي خود سازمان‌ده داده‌ها دسته‌بندي شده و نتايج روش پيشنهادي با استفاده از معيارهاي دقت، حساسيت ونرخ تشخيص اشتباه ارزيابي مي‌شود. بررسي نتايج نشان مي‌دهد، روش پيشنهادي با دقت99.6% كاربرانجعلي را تشخيص مي‌دهد كه نسبت به روش كاوو حدود 5% بهبود يافته است، همچنين نرخ تشخيص اشتباه كاربرانجعلي نيز نسبت به همين روش 3% بهبود پيدا كرد.