فهرست نشریات علمی دسترسی آزاد ایران

محبوبیت شبکه‌های اجتماعی آنلاین (OSNs) هر روز افزایش می‌یابد و تعداد کاربران و میزان استفاده از این شبکه‌های اجتماعی، روزبه‌روز بیشتر می‌شود. این موضوع باعث شده است که سودجویانی از این فضا سوءاستفاده کنند و به اقدامات مخرب و حتی غیرقانونی نظیر، کلاه‌برداری، انتشار اخبار جعلی، جعل هویت و فریب کاربران بپردازند. اغلب این افراد از حساب‌های کاربری جعلی، برای اقدامات مخربانه خود استفاده می‌کنند. در بیشتر پژوهش‌های گذشته، پژوهشگران ابتدا با استفاده از روش‌های کاهش ویژگی، انتخاب ویژگی یا استخراج ویژگی، تعداد ویژگی‌‌های مجموعه داده را کاهش می‌دادند؛ سپس با استفاده از روش‌های ترکیبی یادگیری ماشین، به ارائه روشی جهت افزایش صحت در شناسایی حساب‌های کاربری جعلی اقدام می‌کردند. در پژوهش جاری، 67 ویژگی برای شناسایی حساب‌های کاربری جعلی انتخاب شده‌اند که مقادیر عددی دارند و این امر باعث می‌شود که نیاز به نرمال‌سازی و تحلیل متن وجود نداشته باشد و مدل آموزش‌دیده توسط یادگیری ماشین، به زبان خاصی وابسته نباشد و بتواند واقعی و جعلی بودن حساب‌های کاربری‌ای را که با زبان‌های مختلف ایجاد شده‌اند، شناسایی کند. همچنین روشی ترکیبی جدیدی ارائه شده است که در آن، مقدار پارامتر C الگوریتم ماشین بردار پشتیبان (SVM) با الگوریتم‌های بهینه‌سازی ازدحام ذرات (PSO) و بهینه‌ساز گرگ خاکستری (GWO) و شبکۀ عصبی (NN) بهینه‌سازی می‌شود. در پژوهش جاری بهترین میانگین صحت به‌دست‌آمده، در صد مرتبه اجرای الگوریتم‌ها 28/98درصد بوده که هنگام ترکیب الگوریتم SVM با NN اتفاق افتاده است.