فهرست نشریات علمی دسترسی آزاد ایران

در سال­های اخیر سایت­های شبکه‌های اجتماعی برخط محبوبیت چشمگیری را به‌دست آورده­اند. جرایم سایبری از رسانه­های اجتماعی به عنوان پلتفرم جدید در پذیرش انواع مختلف جرایم رایانه­­ای مانند فیشینگ، اسپمینگ، اشاعه بدافزار و اذیت و آزار سایبری استفاده می­کنند. در این تحقیق، با کمک استفاده از اطلاعات مفید در پیام‌ها، عملکرد تشخیص آزار و اذیت­های سایبری را بهبود داده می‌شود. انتخاب بهترین مشخصه­ها با قدرت جداکنندگی بالا بین توئیت­های مزاحمت­های سایبری و غیر مزاحمت‌های سایبری یک فعالیت پیچیده است که نیازمند تلاش قابل ملاحظه­ای در ساخت مدل یادگیری ماشین می­باشد. در این راستا عملکرد پنج روش طبقه‌بندی بیزساده، ماشین بردار پشتیبان، درخت تصمیم، k- نزدیک­ترین همسایگی و شبکه عصبی را تحت پنج تنظیم مختلف به‌منظور انتخاب بهترین تنظیم برای مشخصه‌های پیشنهادی مقایسه شده است و با استفاده از الگوریتم‌های خفاش و ژنتیک و ازدحام ذرات پارامترهای C و سیگما را بهبود داده شده است و مقایسه­ای بین پنج روش طبقه‌بندی با پارامترهای پیش فرض و پارامترهایی که با الگوریتم­­های بهینه‌ساز به‌دست آورده شده و مشخص شده است که الگوریتم خفاش از بین الگوریتم‌های دیگر بهینه­ساز بهترین عملکرد را داشته است. با توجه به پژوهشی که انجام شده بیشترین دقت را با مدل SVM به 56/86 و بیشترین صحت را به 14/87 بوده است.