منصة الرسائل والاطاريح: منع وكشف هجمات مواقع التواصل الاجتماعي باستخدام طرق التعلم الآلي

الخلاصة

في هذه الايام ، تعد شبكات التواصل الاجتماعي إحدى أهم المدونات الصغيرة وتبادل البيانات. لديها ملايين المستخدمين في جميع أنحاء العالم ، ويتواصل مستخدموها معًا عبر الرسائل والمنشورات. بسبب البنية المفتوحة وسلوكها ، فهي عرضة للهجمات من حسابات وهمية وعدد هائل من البرامج الآلية ، أو "الروبوتات". تعتبر الروبوتات ضارة لأنها تستخدم الإنترنت لإرسال رسائل غير مرغوب فيها إلى رواد الشبكة الاجتماعية. يضع مستخدمو الشبكات الاجتماعية قيمة عالية لأمن البيانات والخصوصية حيث يجب تلبية هذه المطالب إذا كان للشبكة أن تحتفظ باهتمام المستخدم وتحفظ خصوصيته. لمعالجة هذه الصعوبات ، يلزم اتباع نهج فعال للكشف عن الحسابات المزيفة وتصنيفها. في هذه الأطروحة ، يتم استخدام مجموعة متنوعة من تقنيات اختيار الميزات بالإضافة إلى مجموعة متنوعة من المنهجيات القائمة على التعلم الآلي لتحديد الحسابات المزيفة التي يمكن أن تخدع المستخدمين والنصوص الخطرة المرسلة عبر الرسائل والنصوص ذات المعلومات الحساسة. تم الجمع بين ثماني استراتيجيات لاختيار الميزات وخمس طرق للتعلم الآلي لمعالجة مجموعة البيانات مسبقًا. تتضمن عملية اختيار الميزة (التي تستخدم طرقًا متعددة لتصنيف الميزات) ثماني عمليات اختيار ميزة(Chi-Square Test Feature Selection, ANOVA Feature Selection, Mutual Information Feature Selection, Logistic Regression Feature Selection, Additional Tree Feature Selection, Embossed Feature Selection, mrMR features Selection and, Light GBM Trait Selection) فقط لتحديد الميزات المثالية التي يتم تسجيلها بواسطة المصنف للحصول على أفضل أداء. تم استخدام واختبار اكثر من طريقة تصنيف من بين خمس خوارزميات للتعلم الآلي Support Vector Machine (SVM) و Gaussian Naïve Bayes (GNB) و SGD و Random Forest (RF) و Decision Tree (DT) ، وتم اختيار افضلها اداء من حيث الدقة واقل معدل خطا. تم استخدام خمسة مصنفات لغرض تصنيف حسابات مواقع التواصل الاجتماعي والنصوص الخطرة والنصوص ذات المعلومات الحساسة. تم تطبيق مجموعة واسعة من عمليات المعالجة المسبقة لتنقية البيانات وتسهيل معالجة البيانات ، بالإضافة إلى تجربة عدد كبير من تقنيات استخراج الميزات واختيار افضل الميزات من نتائجها. النظام المقترح تم اختباره باستخدام ثلاث مجموعات بيانات ، بعض هذه البيانات كانت متاحة على الإنترنت ، والبعض الآخر تم جمعه. تشير النتائج التي تم الحصول عليها إلى أن المصنف DT كان الأفضل لمجموعة البيانات الأولى ، بينما كان RF هو المصنف الأفضل بمعدل دقة يساوي 99.9٪ لمجموعة البيانات الثانية. بالنسبة لمجموعة البيانات الثالثة ، يتمتع المصنف DT بأعلى دقة تصنيف مثالية وهي 100٪.