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 Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Detection of fake accounts on social media platforms using machine learning and type‑3 fuzzy logic techniques
Makine öğrenmesi ve bulanık mantık tip-3 teknikleri kullanılarak sosyal medya platformlarında sahte hesap tespiti
HAIDER A.GABAR AL ZEYADI
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. FECİR DURAN
- Privacy protection in social networks
Sosyal ağlarda gizliliğin korunması
MOHAMMED F.IBRAHIM AL-SARRAJ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CELAL ÖZTÜRK
- Sosyal medyada büyük veri analizi
Big data analysis in social media
MUHAMMED SALİH KARAKAŞLI
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED ALİ AYDIN
DOÇ. DR. SERHAN YARKAN
- Unsupervised detection of coordinated fake followers on social media
Sosyal medyada koordineli sahte takipçi denetimsiz tespiti
YASSER ZOUZOU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiVeri Bilimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR VAROL