تشخيص هرزنامه نويسان در شبكه هاي اجتماعي با استفاده از تركيب ويژگي هاي كاربر وروشهاي آماري

Identifying spammers in social networks using a combination of user characteristics and statistical methods

يكي از كاركردهاي شبكه هاي اجتماعي در بازارهاي خريدو فروش آنلاين مي‌باشد در اين شبكه ها كاربران با ايجاد نظر، ميتوانند روي نظرات ساير كاربران تاثير بگذارند. در بسيار از مواقع به جاي كاربران واقعي افراد غير واقعي(فيك) نظرات خودرا ثبت مي‌كنند يا اينكه مطاب نادرست در شبكه پخش ميكنند.طي ساليان اخير،با افزايش خريد و فروش انلاين و تبليغات اينترنتي، روند رو به رشدي در هرزنامه نويسي به وجود امده است. هرزنامه نويسان اتوماتيك(Spammer ) كاربران فيكي هستندكه در محيطهاي انلاين فعاليت دارند .به دليل منافع مالي كه در اين حوزه وجود دارد اسپمرها تلاش ميكنند تا نظرات كاربران را تغيير داده و روي پارامترهاي مانند خريد/ فروش سازمانها تاثير بگذراند. همچنين بسياري از اسپمرها با تشكيل ساز و كارهاي گروهي تباني انجام داده و هدفمند نظرات خودرا درشبكه اجتماعي پخش ميكنند. در اين مقاله با استفاده از دادهاي اماري كاربران موجود و رديابي رفتار هر كاربر تلاش ميشود تا مدل رفتاري- اماري كاربر/ كاربران استخراج شود سپس با استفاده از مدلهاي آماري كاربران به عنوان اسپمر يا كاربر عادي شناسايي شوند.

One of the functions of social networks in online marketplaces is that users can influence the opinions of others by posting their own. Often, instead of real users, fake individuals register their opinions or spread incorrect information on the network. In recent years, with the increase in online shopping and internet advertising, there has been a growing trend in spamming. Automatic spammers are fake users who are active in online environments. Due to the financial benefits in this field, spammers try to change the opinions of users and affect parameters such as the buying/selling of organizations. Moreover, many spammers collude in group mechanisms and deliberately spread their opinions on social networks. This article attempts to extract a behavioral-statistical model of user/users using statistical data of existing users and tracking the behavior of each user. Then, using statistical models, users are identified as spammers or regular users.