|
Title
|
ارائه یک روش یادگیری غیرنظارتی برای تشخیص ناهنجاری در شبکه های اجتماعی آنلاین با استفاده از خود رمز گذار گراف بهبود یافته
|
|
Type of Research
|
Thesis
|
|
Keywords
|
تشخیص ناهنجاری، شبکه های پیچیده، شبکه های اجتماعی برخط، تئوری گراف و شبکه های عصبی گراف محور، خودرمزگذار ها و الگوریتم های اکتشافی
|
|
Abstract
|
در دهه های اخیر داده کاوی به شکل جستجوی شبکه های اجتماعی در قالب جوامع موجود در شبکه های گوشی های موبایل، تبادلات مالی و بانکی و ... با روش های مشابه به روش های امروزی استفاده گسترده ای در تجزیه و تحلیل شبکه های اجتماعی برای شناسایی فعالیت های غیر قانونی اعم از کلاهبرداری و سوء استفاده از بیمه، مدیریت گروه های تروریستی و جرائم هدفمند و... مورد استفاده قرار گرفته است. از علاوه بر اینها از روش های تشخیص ناهنجاری های برخط در شبکه های اجتماعی می توان برای شناسایی و تشخیص افراد و کاربران با نفوذ شبکه های اجتماعی نیز بهره جست.
از ضرورت ها و موارد استفاده تشخیص ناهنجاری در شبکه های اجتماعی برخط می توان، تشخیص محتوای مخرب و آسیب رسان همانند، سخنان نفرت بار، محتوای افراطی و خشونت در شبکه های اجتماعی به منظور ایمن سازی محیط تعاملات اجتماعی، [8, 9] تشخیص کلاهبرداری که شامل تشخیص کلاهبرداری های کارت بانکی و خرید برخط (فیشینگ )، فریبکاری در قالب بیمه، تشخیص تهدید داخلی و امثال اینها که با بررسی ناهنجاری های رخ داده در الگوی های معمول تراکنش های بانکی و برخط رخ می دهد را نام برد. همچنین اعمال متد های تشخیص ناهنجاری در شبکه ها و رسانه های اجتماعی برخط، امری ضروری و حیاتی برای تشخیص و محدود کردن انتشار اطلاعات غلط تجاری، علمی، سیاسی و یا حتی شخصی و اطلاعات گمراه کننده با اتکا به روش ها و الگوریتم های تشخیص جامعه، انتشار داده و علامت گذاری محتوای مشکوک قبل از انتشار آنها در دایره گسترده ای از کاربران برخط می باشد. ...
|
|
Researchers
|
(Student)، Alireza Rouhi (Primary Advisor)، Asgarali Bouyer (Advisor)
|