چکیده:
استفاده از شبکه های اجتماعی برای برقراری ارتباط و اشتراک گذاری اطلاعات رشد چشمگیری در سالهای اخیر داشته و در اکثر حوزههای آموزش، کسب و کار، سلامت و سرگرمی کاربرد دارند. حجم زیاد اطلاعات با ارزش در شبکههای اجتماعی آنها را هدف اصلی کاربران مخرب همچون هرزنامهنویسها و کلاهبرداران برای انجام فعالیتهای ناهنجار و غیرقانونی قرار داده است. رفتار نامتعارف و دور از انتظار این کاربران با استفاده از روشهای تشخیص ناهنجاری شناسایی میشود. تشخیص ناهنجاری اهمیت بسزایی در جلوگیری از کلاهبرداری، انتشار اطلاعات تقلبی و سازماندهی حملات در این شبکه ها دارد. ناهنجاریها ایستا یا پویا و با ویژگی یا بدون ویژگی هستند. در این مقاله روشهای مختلف توسعهیافته برای تشخیص انواع ناهنجاری در شبکه های اجتماعی مورد بررسی و دستهبندی قرار گرفته و مروری بر تشخیص ناهنجاری، کاربردهای آن، چالشهای موجود و موضوعات کلیدی برای پژوهشهای آینده ارائه شده است.
The use of social networks to communicate and share information has grown dramatically in recent years. These networks are nowadays used in most areas such as education, business, health and entertainment. The large amount of valuable information on social networks has made them the main target of malicious users, such as spammers and fraudsters, for carrying out abusive and illegal activities. The abnormal and unexpected behavior of these users is identified using anomaly detection methods. Detection of anomalies is important in preventing fraud, dissemination of counterfeit information and configuration of attacks in these networks. Anomalies are static or dynamic, with or without attributes. In this paper, various methods developed for anomaly detection in social networks have been investigated and categorized and an overview provided on anomaly detection, its applications, existing challenges and key areas for future research.
خلاصه ماشینی:
در این مقاله روشهای مختلف توسعهیافته برای تشخیص انواع ناهنجاری در شبکههای اجتماعی مورد بررسی و دستهبندی قرار گرفته و مروری بر تشخیص ناهنجاری، کاربردهای آن، چالشهای موجود و موضوعات کلیدی برای پژوهشهای آینده ارائه شده است.
ناهنجاری پویا با توجه به رفتار و وضعیت قبلی شبکه قابل تعریف است که اگر تنها ساختار شبکه در زمانهای مختلف مورد بررسی قرار گیرد ناهنجاری پویای بدون ویژگی قابل شناسایی است و اگر علاوه بر ساختار، ویژگیهای افراد و تعاملات نیز استفاده شده باشند ناهنجاری پویای با ویژگی تعریف میشود.
روشهای بسیاری برای تشخیص انواع ناهنجاریها در شبکههای اجتماعی پیشنهادشدهاند که بر اساس نوع ناهنجاری به شش دسته مبتنی بر ساختار شبکه ، مبتنی بر خوشهبندی یا انجمن ، مبتنی بر پردازش سیگنال ، مبتنی بر تجزیه ، مبتنی بر احتمال و مبتنی بر فاصله مطابق شکل (1) در قالب پویا و ایستا قابل دستهبندی هستند.
شکل (1): دستهبندی روشهای تشخیص ناهنجاری در گراف شبکههای اجتماعی در روشهای مبتنی بر ساختار با استفاده از ویژگیهای ساختاری گراف شبکه به دلیل آنکه تعداد گرهها، تعداد یالها، درجه گرهها، مقادیر ویژه ، مرکزیت بینابینی و مانند آن بهعنوان الگوی متعارف شبکه در نظر گرفته میشوند اگر گرهها یا زیرساختارها انحراف قابلتوجهی از این الگو داشته باشند بهعنوان ناهنجاری کشف میگردند.
روش نیمه نظارتی ]29[، برای استخراج ویژگیهای گراف ارائه شده است که الگوریتم بیشینهسازی مورد انتظار و منطق فازی را ترکیب کرده و از خصوصیات محلی مانند تعداد گرهها و یالها برای مدلسازی رفتار کاربران استفاده میکند.