دانلود مقاله ترجمه شده نمی توان به هر دوستی در یک شبکه اجتماعی اعتماد کرد: طبقه بندی بدل ها با درخت تصمیم


چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2004941 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
765,000 ریال
شناسه محصول :
2004941
سال انتشار:
2012
حجم فایل انگلیسی :
659 Kb
حجم فایل فارسی :
876 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

نمی توان به هر دوستی در یک شبکه اجتماعی اعتماد کرد: طبقه بندی بدل ها با درخت تصمیم

عنوان انگليسي

Not Every Friend on a Social Network Can be Trusted: Classifying Imposters Using Decision Trees

نویسنده/ناشر/نام مجله

Web Intelligence and Intelligent Agent Technology

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 6 صفحه انگلیسی به صورت پی دی اف و 22 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی


چکیده

اخیرا خبر هشداردهنده­ ای در رسانه­ ها اعلام شد مبنی بر اینکه 8.7 درصد کاربران فیسبوک تقلبی هستند که برابر است با بیش از 83 میلیون اکانت در سراسر جهان. در نتیجه، این تعداد بسیار زیاد از کاربران تقلبی با پروفایل­ های تایید نشده، به خطرات بالقوه­ ای منجر می ­شود از جمله جاسوسی، سرقت هویت، سوئ استفاده از اطلاعات، خلا قانونی و قربانی شدن حریم خصوصی فرد و خانواده. امروزه با محبوبیت شبکه­ های اجتماعی آنلاین (او اس ان)، به راحتی می ­توان یک فرد مورد هدف را از اطلاعاتی که با جستجو در وب حاصل می­ شود رهگیری کرد. هر کسی می­ تواند به راحتی خود را به عنوان فرد دیگری ادعا کند بدون اینکه بررسی شود آیا اطلاعات واقعی است یا نه. برای مثال در یک او اس ان با استفاده از عکس­ های غیرواقعی و اسم دروغین، که فیسبوک برای پیشگیری آن­ ها را چک نمی­ کند، به راحتی می­ توان هویت را جعل کرد. در این مقاله یک آزمایش ابتدایی اِعمال الگوریتم­ های طبقه­ بندی درخت تصمیم برای شناسایی بدل ها در یک مجموعه از دوست ها در فیسبوک ارائه می ­شود. روش طبقه­ بندی شبیه طبقه­ بندی اسپم از ایمیل­ های مناسب است، با این تفاوت که به جای متن کاوی محتویات پیام، ویژگی ­های اکانت کاربر مورد نظر قرار می­ گیرند. نشان داده می­ شود که دقت 92.1 درصدی از این تکنینک­ های طبقه­ بندی قابل دستیابی است.

1-مقدمه

 کاربرانی که با استفاده از عکس ­ها و پروفایل­ هایی که یا از یک فرد واقعی ربوده شده اند (بدون اینکه خودش بداند) یا به صورت مصنوعی تولید شده اند، به راحتی می­ توانند خود را جای فرد دیگری معرفی کنند. در این مقاله این اکانت­ های تقلبی به طور کلی بدل­ نامیده می­ شوند، کسانی که ادعا می­ کنند فرد دیگری هستند. آن­ ها معمولا از هویت افراد موجود و واقعی استفاده می­ کنند. اطلاعات پروفایلی مثل عکس، آدرس و وابستگی را می ­توان به راحتی به صورت آنلاین از وبسایت­ ها و موتورهای جستجو به دست آورد...

کاربران تقلبی الگوریتم های طبقه بندی رایانش شبکه های اجتماعی :کلمات کلیدی

چکیده انگلیسی


Abstract

There is an alarming news recently revealed on media that 8.7 percent of users on Facebook are fake; this amounts to more than 83 million accounts worldwide. Consequently this huge number of fake users whose profiles were unverified translates to the potential dangers ranging from espionage, identity thievery, information misuse and loophole to privacy compromise to the users and their families. Nowadays with the popularity of online social networks (OSN), it is easy to footprint a potential target from the information easily trawled from the Web. Anyone can simply impose as somebody else that s/he claimed to be, without checking whether the information is genuine or not. For example it is so easy to impersonate one's identity on OSN by supplying fake photos and false names, which will go preemptively unchecked by Facebook. In this paper, a preliminary experiment of applying decision tree classification algorithms is presented, for identifying imposters from a pool of “friends” in Facebook. The classification approach is similar to that of classifying spams from legitimate emails except the attributes of a user's account is taken into consideration instead of text-mining the message contents. An accuracy of 92.1% is demonstrated to be achievable using the classification techniques

Keywords: Fake users Classification algorithms Social Network computing
Skip Navigation Linksصفحه اصلی > دپارتمان ها > دپارتمان فنی و مهندسی > مهندسی کامپیوتر و IT > مقاله های مهندسی کامپیوتر و IT و ترجمه فارسی آنها > نمی توان به هر دوستی در یک شبکه اجتماعی اعتماد کرد: طبقه بندی بدل ها با درخت تصمیم
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید