شنبه, 23 دی 1396

اراﺋﻪ ﯾﮏ روش ﺟﺪﯾﺪ آﻣﺎری- رﻓﺘﺎری ﺑﺮای ﺗﺸﺨﯿﺺ ﺣﻤﻼت اﻣﻨﯿﺘﯽ به حساب‌های ﮐﺎرﺑﺮان در شبکه‌های اﺟﺘﻤﺎﻋﯽ

اراﺋﻪ ﯾﮏ روش ﺟﺪﯾﺪ آﻣﺎری- رﻓﺘﺎری ﺑﺮای ﺗﺸﺨﯿﺺ ﺣﻤﻼت اﻣﻨﯿﺘﯽ به حساب‌های ﮐﺎرﺑﺮان در شبکه‌های اﺟﺘﻤﺎﻋﯽ

ﺣﺴﯿﻦ ﺷﯿﺮازی

داﻧﺸﯿﺎر، ﻋﻀﻮ ﻫﯿﺄت ﻋﻠﻤﯽ داﻧﺸﮑﺪه ﻓﺮﻣﺎﻧﺪﻫﯽ و ﮐﻨﺘﺮل، داﻧﺸﮕﺎه ﺻﻨﻌﺘﯽ ﻣﺎﻟﮏ اﺷﺘﺮ، ﺗﻬﺮان، اﯾﺮان

این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید

داوود ﻣﺤﻤﺪﭘﻮر زﻧﺠﺎﻧﯽ

مربی، ﻋﻀﻮ ﻫﯿﺄت ﻋﻠﻤﯽ داﻧﺸﮑﺪه ﻣﻬﻨﺪﺳﯽ ﮐﺎﻣﭙﯿﻮﺗﺮ، داﻧﺸﮕﺎه زﻧﺠﺎن، زﻧﺠﺎن، اﯾﺮان

این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید

ﺳﯿﺪﻣﺤﻤﺪرﺿﺎ ﻓﺮﺷﭽﯽ

گروه ﮐﻨﺘﺮل و بهینه‌سازی، داﻧﺸﮑﺪه رﯾﺎﺿﯽ، داﻧﺸﮕﺎه ﻓﺮدوﺳﯽ ﻣﺸﻬﺪ، ﻣﺸﻬﺪ، اﯾﺮان

این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید

ﭼﮑﯿﺪه

ﺑﺎ ﻣﺤﺒﻮب ﺷﺪن شبکه‌های اﺟﺘﻤﺎﻋﯽ، ﺣﻤﻼت اﻣﻨﯿﺘﯽ و جرائم رایانه‌ای ﺑﻪ ﺳﻤﺖ اﯾﻦ ﺳﺎﯾﺖ ﻫﺎ، اﻓـﺰاﯾﺶ ﯾﺎﻓﺘـﻪ اﺳـﺖ. در اﻏﻠﺐ ﻣﻮارد، ﻫﺪف از ﺣﻤﻠﻪ ﺑﻪ حساب‌های ﮐﺎرﺑﺮان، ﺳﺮﻗﺖ اﻃﻼﻋﺎت ﺷﺨﺼﯽ، ﯾﺎ ﭘﺨﺶ ﮐﺮدن ﻫﺮزﻧﺎﻣﻪ می‌باشد. در ﯾـﮏ ﺷﺒﮑﻪ اﺟﺘﻤﺎﻋﯽ، حساب‌های ﺟﻌﻠﯽ را ﺑﺎ ﺑﺮرﺳﯽ ویژگی‌های دﻗﯿﻖ، ﺑﻪ راﺣﺘﯽ می‌توان ﺷﻨﺎﺳﺎﯾﯽ و ﻏﯿﺮﻓﻌﺎل ﮐﺮد. در حالت ﻣﻘﺎﺑﻞ، ﻣﻤﮑﻦ اﺳﺖ ﻧﻔﻮذﮔﺮ، ﺣﺴﺎب ﻗﺎﻧﻮﻧﯽ ﯾﮏ ﮐﺎرﺑﺮ را ﺑﻪ ﺗﺼﺮف ﺧﻮد درآورده و از آن ﺑﺮای اﻗﺪاﻣﺎت ﻣﺨﺮب ﺑﻬﺮه ﺟﻮﯾﺪ. در اﯾﻦ ﺻﻮرت ﺗﺸﺨﯿﺺ، و ﻏﯿﺮﻓﻌﺎل ﮐﺮدن اﯾﻦ حساب‌ها، ﺑﺮای ﻣﺪﯾﺮ ﺷﺒﮑﻪ اﺟﺘﻤﺎﻋﯽ ﺑﻪ راﺣﺘﯽ امکان‌پذیر ﻧﺨﻮاﻫـﺪ ﺑـﻮد. ﺗﺎﮐﻨﻮن، روش‌های زﯾﺎدی ﺑﺮای ﺗﺸﺨﯿﺺ حساب‌های ﺟﻌﻠﯽ (ﺳﺎﯾﺒﯿﻞ)، در شبکه‌های اﺟﺘﻤﺎﻋﯽ اراﺋﻪ ﺷﺪه اﺳﺖ، اﻣﺎ ﻃﺒـﻖ ﺑﻬﺘﺮﯾﻦ داﻧﺶ ﻧﻮﯾﺴﻨﺪﮔﺎن در ﺗﺸﺨﯿﺺ حساب‌های در ﻣﻌﺮض ﺧﻄﺮ، اﻟﮕﻮرﯾﺘﻢ ﻗﺎﺑﻞ ﻗﺒﻮﻟﯽ وﺟﻮد ﻧﺪارد. 

در اﯾﻦ ﭘﮋوﻫﺶ ﻣﺎ ﺑﻪ اراﺋﻪ ﯾﮏ روش آﻣﺎری ﺑﺮای اﯾﺠﺎد ﻣﺪﻟﯽ رﻓﺘﺎری از ﻋﻤﻠﮑﺮد ﮐﺎرﺑﺮان ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﺎرﯾﺨﭽﻪ ﻓﻌﺎﻟﯿﺖ آﻧﺎن، پرداخته‌ایم. ﺑﻪ ﻋﺒﺎرت دﯾﮕﺮ، ﺑﺎ اﺳﺘﻨﺎد ﺑﻪ ﻣﺠﻤﻮﻋﻪ ویژگی‌هایی منحصربه‌فرد و ﺑﺎ اﺳﺘﻔﺎده از ﯾﮏ ﻣﺪل آﻣـﺎری، ﺑـﻪ ﮐﺸـﻒ ﺗﻐﯿﯿـﺮات ﻧﺎﮔﻬﺎﻧﯽ در ﭘﺮوﻓﺎﯾﻞ ﮐﺎرﺑﺮان پرداخته‌ایم. از آنجا ﮐﻪ ﺗﻐﯿﯿﺮات ﻧﺎﮔﻬﺎﻧﯽ ﻣﻤﮑﻦ اﺳﺖ ﺻﺤﯿﺢ و از ﺳﻤﺖ ﺧﻮد ﮐﺎرﺑﺮ ﺑﺎﺷﺪ، ﻣـﺎ از ﯾﮏ ﻃﺒﻘﻪ ﺑﻨﺪ و ویژگی‌های ﻣﺸﺎﺑﻬﺖ ﻣﺤﺘﻮا در ﺗﻠﻔﯿﻖ ﺑﺎ ﻣﺪل آﻣﺎری ﭘﯿﺸﻨﻬﺎدی ﺧﻮد اﺳﺘﻔﺎده کرده‌ایم. ارائه ﻣـﺪل طبقه‌بندی ﺑﺮای دسته‌بندی رﻓﺘﺎرﻫﺎی ﮐﺎرﺑﺮ، ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ویژگی‌های ارائه‌شده در اﯾﻦ ﻣﻘﺎﻟﻪ، روش ﺑﺴﯿﺎر ﻣﻨﻌﻄﻔﯽ را ﺑﺮای ﺷﻨﺎﺳﺎﯾﯽ حساب‌های ﻏﯿﺮﻗﺎﻧﻮﻧﯽ ﻓﺮاﻫﻢ ﮐﺮده اﺳﺖ. بازه‌های اﺳﺘﺨﺮاج وﯾﮋﮔﯽ ﯾﮏ ﺳﺎﻋﺘﻪ، در ﺑﺮرﺳﯽ جریان‌های نامه‌ای در داده‌های دو ﺷﺒﮑﻪ اﺟﺘﻤﺎﻋﯽ ﻣﻌﺮوف ﻓﯿﺴﺒﻮك و ﺗﻮﯾﺘﺮ، دﻗﺖ ﺑﺴﯿﺎر ﻣﻨﺎﺳﺐ روش ﭘﯿﺸﻨﻬﺎدی ﻧﻤﺎﯾﺶ داده ﺷﺪه اﺳﺖ.

ﻋﻼوه بر این، اندازه‌گیری ﻧﺮخ ﻧﻤﻮﻧﻪ ﻏﻠﻂ ﺻﺤﯿﺢ در ﺑﺮرﺳﯽ ﺑﯿﺶ از50 ﻣﯿﻠﯿﻮن ﭘﺴﺖ ﺗﻮﯾﯿﺖ ﺷﺪه، ﺑﻪ ﮐﻤﺘﺮ از5 % رﺳﯿﺪ اﺳﺖ. ﻧﺘﺎﯾﺞ ﻧﺸﺎن می‌دهد، روش ﭘﯿﺸﻨﻬﺎدی، ﻗﺎﺑﻠﯿﺖ ﺗﺠﻤﯿﻊ در ﮐﻠﯿﻪ ﭘﻠﺖ ﻓﺮم ﻫﺎی شبکه‌های اﺟﺘﻤﺎﻋﯽ را داراﺳﺖ.

Copyright© 2013 Mobin Research Center. All rights reserved

تمامی حقوق این سایت متعلق به مرکز تحقیقات فناوری اطلاعات مبین می باشد.