Detecting fake twitter accounts using deep neural network
Sahte twitter hesaplarını tespit etmek derin sinir ağlarının kullanılması
- Tez No: 815665
- Danışmanlar: Prof. Dr. REDA ALHAJJ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Medipol Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 114
Özet
Sosyal medya platformları, sahte hesapların varlığından kaynaklanan ciddi bir sorunla karşı karşıyadır. Sahte hesaplar, zararlı içeriklerin, istenmeyen mesajların ve yanlış bilginin yayılması yoluyla tehdit oluşturmaktadır. Bu çalışma, sahte ve gerçek Twitter hesaplarını ayırt etmek suretiyle bu soruna çözüm bulmayı amaçlamaktadır. Sahte hesapların çevrimiçi topluluklar üzerindeki olumsuz etkilerini azaltma ihtiyacı, bu çalışmanın itici gücüdür. Sahte hesapların ve bunların zararlı faaliyetlerinin, zararlı bağlantılar yayınlama, spam davranışlarına katılma ve çevrimiçi toplulukları huzursuz etme gibi, etkili bir şekilde tespit edilmesini amaçlayan bir yöntem geliştirmek hedeflenmektedir. Bu çalışma kapsamı özellikle Twitter sahte hesap tespitine odaklanmaktadır. Gerçek ve sahte hesaplar arasındaki ayrımı yapmak için kullanıcı bilgileri ve tweet'lerden yararlanan kapsamlı bir yaklaşım benimsenmiştir. Farklı optimizasyon yöntemlerini kullanarak önerilen ve uygulanan çeşitli derin öğrenme mimarileri, performans ölçütlerini değerlendirerek eğitilmiş ve test edilmiştir. Gerçek hayat senaryolarını kapsayacak şekilde genişletilen bir veri seti kullanılarak modeller eğitilmiş ve test edilmiştir. Sonuçlar, sahte ve gerçek hesaplar arasındaki ayrımın umut verici ilerlemeler kaydettiğini ortaya koymuştur. Tweet içeriğinin kullanıcı meta verileriyle birlikte kullanılmasının sahte hesapların sınıflandırılmasını önemli ölçüde geliştirmediğini göstermektedir. Ayrıca, uygun optimizasyon yöntemlerinin seçilmesinin önemini vurgulamaktadır. Bu çalışmanın sonuçları, sosyal medya platformları, kullanıcılar ve araştırmacılar açısından önem taşımaktadır. Bulgular, sahte hesaplar ve onların zararlı faaliyetleriyle mücadele konusunda içgörüler sunarak çevrimiçi topluluk güvenliğinin artırılmasına katkıda bulunmaktadır. Araştırma Twitter'e özgü olsa da, elde edilen metodoloji ve içgörüler potansiyel olarak diğer sosyal medya platformlarına da genellenilebilir.
Özet (Çeviri)
Social media platforms are currently confronted with a substantial problem concerning the presence of fake accounts. which pose a threat by spreading harmful content, spam, and misinformation. This study aims to address this problem by differentiating between fake and real Twitter accounts. The need to mitigate the negative impact of fake accounts on online communities serves as the driving force of the study. With a goal of developing an effective method for identifying fake accounts and their fraudulent activities, such as posting harmful links, engaging in spamming behaviors, and disrupting online communities. The scope of this work focuses specifically on Twitter fake account detection. A comprehensive approach is taken, leveraging user information and tweets to discern between genuine and fake accounts. Various deep learning architectures are proposed and implemented, utilizing different optimizers and evaluating performance metrics. The models are trained and tested using a collected dataset, augmented to cover diverse real-life scenarios. The results show promising progress in distinguishing between fake and real accounts. revealing that the inclusion of tweet content along with user metadata does not significantly improve the classification of fake accounts. It also highlights the importance of selecting appropriate optimizers. The implications of this study are relevant to social media platforms, users, and researchers. The findings provide insights into combating fake accounts and their fraudulent activities, contributing to the enhancement of online community safety. While the research is specific to Twitter, the methodology and insights gained may be potentially generalizable to other social media platforms.
Benzer Tezler
- Sosyal medyadaki Türkçe sahte haberlerin derin öğrenme yaklaşımıyla tespiti ve sınıflandırılması
Detection and classification of fake news in Turkish on social media using a deep learning approach
GÜLSÜM KAYABAŞI KORU
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiAdli Bilişim Ana Bilim Dalı
PROF. DR. ÇELEBİ ULUYOL
- Onkojenik Hpv genotiplerinin Pcr-elisa yöntemi ile saptanması
Detection of oncogenic hpv genotypes by Pcr-Elisa assay
ALPER KANDİŞER
Tıpta Uzmanlık
Türkçe
2007
MikrobiyolojiAkdeniz ÜniversitesiTıbbi Mikrobiyoloji Ana Bilim Dalı
PROF. DR. MERAL GÜLTEKİN
- Kardiyopulmoner bypass ile açık kalp cerrahisi uygulanan hastalarda orta ve hafif hipotermik bypass yöntemlerinin neutrophıl gelatınase assocıated lıpocalın (NGAL), cystatın c ve near ınfrared spectroscopy (NIRS) yöntemi ile ölçülen renal perfüzyon üzerine etkilerinin karşılaştırılması
Comparing the effects of mild and moderate hypothermia on renal perfusion evaluated with neutrophil gelatinase associated lipocalin, cystatin c and near-infrared spectroscopy in patients undergoing cardiopulmonary bypass graft surgery
SERKAN YILDIRIM
Tıpta Uzmanlık
Türkçe
2014
Göğüs Kalp ve Damar CerrahisiSelçuk ÜniversitesiKalp ve Damar Cerrahisi Ana Bilim Dalı
DOÇ. DR. MEHMET ALKILIÇ HORASANI ÖÇ
- Cinsel yolla bulaşan enfeksiyon etkenlerinin tanısında kullanılan konvansiyonel yöntemler ve DPO TM (dual priming oligonükleotid) tabanlı multipleks PCR yönteminin karşılaştırılması
Comparison of conventional methods used in the diagnosis of sexually transmitted infectionsand DPO TM (Dual priming oligonükletid) based multiplex PCR method
DEMET FURKAN SEVİNDİ
Tıpta Uzmanlık
Türkçe
2013
MikrobiyolojiSağlık BakanlığıTıbbi Mikrobiyoloji Ana Bilim Dalı
DOÇ. DR. BERRİN ESEN