Geri Dön

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

PDF İndir

  1. Tez No: 992067
  2. Yazar: HAIDER A.GABAR AL ZEYADI
  3. Danışmanlar: DOÇ. DR. FECİR DURAN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Günümüzde Çevrimiçi Sosyal Ağlar dijital ortamda başlıca bilgi kaynağı olarak ortaya çıkmıştır. Bu platformda spam hesaplarının yaygın olarak yayılması, gerçek hesapları sahte hesaplardan ayırmada önemli zorluklar yaratmaktadır. Bu tez, özellikle Twitter platformunda sosyal medyada spam hesaplarının tespitini iyileştirmek için Derin Öğrenme ve Makine Öğrenimi metodolojilerinin yanı sıra üst düzey Bulanık Mantık üzerine kapsamlı bir analiz yapmaktadır. Bu çalışma, Twitter mimarisinde yüksek belirsizlik dereceleri arasında spam tespitinin etkinliğini artırmak için Genişletilmiş Kalman Filtresi ve Karekök Kübik Kalman Filtresi'ni birleştiren yeni hibrit öğrenme yöntemlerini kullanan, Kendiliğinden Uyarlamalı Aralık Tipi-3 Bulanık Mantık Sistemi'ni tanıtmaktadır. Önerilen metodoloji, özgün ve özgün olmayan davranışlar arasındaki sınırdan kaynaklanan belirsizlik sorunlarını modellemeyi içermektedir. Tip-3 Bulanık Mantık Sistemleri, kural değerlendirmesi, üyelik fonksiyonları ve veri yapısı düzeylerindeki belirsizlikleri ele almak için kullanılmaktadır. Bu çalışmada, kural ağırlıklarına ek olarak Üyelik Fonksiyonlarının merkezlerini ayarlamak için yeni bir uyarlanabilir strateji uygulamaktadır. Kural ağırlıklarının ve bulanık küme merkezlerinin ilk ayarları, geliştirilmiş kovaryans matrisleriyle birlikte Parçacık Sürü Optimizasyonu kullanılarak optimize edilmiştir. Modelde en uygun parametreler kalman filtreleri aracılığı ile belirlenmektedir. Önerilen stratejinin etkinliği, gerçek veri setleri kullanılarak dört farklı senaryoda gösterilmektedir. Önerilen modelle birlikte yürüttüğümüz çalışma, FT-Transformer ve TabNet gibi gelişmiş derin öğrenme modellerinin yanı sıra Karar Ağacı ve lojistik regresyon gibi beş geleneksel makine öğrenimi yöntemini de içermektedir. Gerçek dünya veri setine Bulanık Mantık, Derin Öğrenme ve Makine Öğrenmesi metodolojileri uygulanarak deneysel bulgular elde edilmiştir. Deneysel bulgular, önerilen Hibrid Tip-3 Bulanık Mantık yaklaşımının %96,74 doğruluk, 0,98 hatırlama, 0,96 F-skoru ve 0,98 AUC değeri ile yüksek performans gösterdiğini ve etkinliğin önemli ölçüde arttığını ortaya koymaktadır. Bununla birlikte, Hibrid Tip-3 Bulanık Mantık aracılığıyla geliştirilen spam dedektörlerinin, doğruluk, hassasiyet, F-skoru ve AUC ile değerlendirildiğinde, Derin öğrenme ve makine öğrenimi performanslarından daha yüksek bir başarıma ulaştığını ortaya koymakta ve önerilen metodolojinin Twitter platformunda karmaşık ve belirsiz koşullarda üstünlüğünü göstermektedir.

Özet (Çeviri)

In a contemporary digital environment, Online Social Network (OSN) have emerged as the principal resource of information. Widespread dissemination of spam accounts on this platform presents significant difficulties in distinguishing genuine versus inauthentic accounts. This thesis conducts a comprehensive analysis of high-level Fuzzy Logic (FL) besides Deep Learning (DL) and Machine Learning (ML) methodologies to improve the identification of spam accounts in social media particularly, Twitter platform. This study introduces a Self-Adaptive Interval Type-3 Fuzzy Logic System (SA-IT3FLS) employing novel hybrid learning methodologies, which combine Extended Kalman Filter (EKF) and Square Root Cubature Kalman Filter (SCKF), to improve the detection of spam effectiveness on the Twitter architecture amidst high-degrees of uncertainty. The suggested methodology involves modeling uncertainties issues arising with the boundary across behaviors of authentic and inauthentic. Interval Type-3 (IT3) Fuzzy Logic Systems (FLS) is adept at addressing uncertainties at the levels of rule evaluation, membership functions and data structure. This study implements a novel adaptive strategy to adjust the centers of the Membership Functions (MFs) In addition to rule weights. The initial settings of rule weights and MF centers are optimized using Particle Swarm Optimization (PSO), in conjunction with the improved covariance matrices. SCKF and EKF learn the optimal parameters. The efficacy of the suggested strategy is demonstrated across four Various scenarios utilizing actual dataset. The experimental findings showed that the proposed SA-IT3FLS approach demonstrated outstanding efficacy, attaining accuracy at 96.74%, AUC at 0.98, F-score at 0.96 and recall at 0.98, indicating significant enhancement of effectiveness. Nonetheless, efficacy of spam detectors developed through FL surpasses that of Deep learning and machine learning detectors when evaluated by accuracy, AUC, recall and F-score. This demonstrates the efficacy and superiority of the proposed methodology in complicated and uncertainties circumstances on the Twitter platform. Additionally, the present study provides a thorough assessment of the efficacy of high-level fuzzy logic from type 3, DL and ML in detecting spam accounts, thereby enhancing tactics to combat fraudulent content.

Benzer Tezler

  1. Tez No

    629327

    Sosyal medyada büyük veri analizi

    Big data analysis in social media

    MUHAMMED SALİH KARAKAŞLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED ALİ AYDIN

    DOÇ. DR. SERHAN YARKAN

  2. Tez No

    849120

    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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Adli Bilişim Ana Bilim Dalı

    PROF. DR. ÇELEBİ ULUYOL

  3. Tez No

    815665

    Detecting fake twitter accounts using deep neural network

    Sahte twitter hesaplarını tespit etmek derin sinir ağlarının kullanılması

    ZIAD WALID MOHAMED ABDELFATTAH ELGAMMAL ZIAD WALID MOHAMED ABDELFATTAH ELGAMMAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    Prof. Dr. REDA ALHAJJ

  4. Tez No

    898560

    Unsupervised detection of coordinated fake followers on social media

    Sosyal medyada koordineli sahte takipçi denetimsiz tespiti

    YASSER ZOUZOU

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Veri Bilimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ONUR VAROL

  5. Tez No

    474345

    Detection of organized behaviours on Twitter

    Organize davranışların Twitter'da belirlenmesi

    ERDEM BEĞENİLMİŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. TUNGA GÜNGÖR

    DR. SUZAN ÜSKÜDARLI

Geri Dön