Sosyal medya makina öğrenme tekniklerini kullanarak yazar kimlik doğrulaması
Social media authorship verification using machine learning techniques
- Tez No: 715248
- Danışmanlar: PROF. DR. HASAN ERBAY
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Kırıkkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sosyal medya ağlarının kullanımı giderek yaygınlaşmaktadır, bununla beraber kötü niyetli mesajlar yaymak amacıyla kullanıcı hesaplarının saldırganlar tarafından ele geçirildiği sosyal mühendislik saldırılarının yeni türleri ortaya çıkmaktadır. Bu saldırıların üstesinden gelmek için yazarlık doğrulaması bilinen bir metnin kullanıcıya ait olup olmadığını tespit eden sınıflandırma yöntemine ihtiyaç vardır. Ayrıca, bu doğrulama doğru ve hızlı olmalıdır. Burada, bir kişi tarafından ele geçirilen sosyal medya hesapları için yeni bir yazarlık doğrulama yöntemi önerilmektedir. Twitter tabanlı bir veri kümesinden önemli metinsel özellikler türetilmiştir. Twitter veri kümesi 280 karakterli ve yazarlık bilgileriyle manuel olarak açıklama eklenmiş 16124 tweet'ten oluşur. Daha sonra XGBoost algoritması veri kümesindeki her metinsel özelliğin önemini vurgulamak için kullanılmıştır. Ayrıca, özellik seçimi için üç MCDM yöntemini (ANP, VIKOR ve ELECTRE) sıralama sonuçları üçgenlenir ve özellik ağırlıklandırma için Sıra Üs ve Sıra Toplamı ağırlık yöntemleri uygulanır. Birçok sınıflandırıcı ile değerlendirilen azaltılmış veri kümesi ve elde edilen F1-skoru sonucu %94,5'tir.
Özet (Çeviri)
Social media networks' usage is spreading but accompanied by a new shape of the social engineering attacks in which users' accounts are compromised by attackers to spread malicious messages for different purposes. To overcome these attacks, authorship verification, a classification problem for classifying a text, whether it belongs to a user or not, is needed. Moreover, the verification must be accurate and fast. Herein, a novel authorship verification framework for hijacked social media accounts, compromised by a human, is proposed. Significant textual-features are derived from a Twitter-based dataset. The dataset is composed of 16124 tweets with 280 characters crawled and manually annotated with the authorship information. XGBoost algorithm is used, then, to highlight the significance of each textual-features in the dataset. Furthermore, the ranking results of three MCDM approaches (ANP, VIKOR and ELECTRE) are triangulated for feature selection, and the Rank Exponent and Rank Sum weight methods are applied for feature weighting. The reduced dataset evaluated with many classifiers, and the achieved result of the F1-score is 94.5%.
Benzer Tezler
- Bir ilaç fabrikasında personel gereksinmesinin belirmesi seçilmesi ve elde tutulmasına yönelik bir uygulama çalışması
Başlık çevirisi yok
EMİNE BOZBAĞ
Yüksek Lisans
Türkçe
1989
İşletmeİstanbul ÜniversitesiÇalışma Ekonomisi ve Endüstri İlişkileri Ana Bilim Dalı
PROF. DR. TUĞRAY KAYNAK
- Halvetiyyenin Şa'baniyye kolu ve Şa'ban-ı Veli
Başlık çevirisi yok
L. NİHAL YAZAR
Yüksek Lisans
Türkçe
1985
Türk Dili ve EdebiyatıGazi ÜniversitesiYRD. DOÇ. DR. ABDÜLKERİM ABDÜLKADİROĞLU
- Polatlı Kerç ve Çongar Tatar ağızları
Başlık çevirisi yok
ZÜHAL YÜKSEL
Yüksek Lisans
Türkçe
1985
Türk Dili ve EdebiyatıGazi ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı
DOÇ.DR. AHMET BİCAN ERCİLASUN
- Bursa Ulu Cami yazıları
The Calligraphies of Ulu Cami in Bursa
CEMALETTİN ÖNALAN
Yüksek Lisans
Türkçe
1988
Sanat TarihiGazi ÜniversitesiSanat Tarihi Ana Bilim Dalı
DOÇ. DR. REFET YİNANÇ