کشف الگوهای غیرمعمول کاربران در شبکه های اجتماعی برخط

گستره شبکه¬های اجتماعی را می¬توان تا هر محیط تعاملی وسعت داد. از آنالیز شبکه¬های اجتماعی می¬توان به عنوان امری مهم وحیاتی در روند شناخت خط سیر انتشار بیماری¬های واگیردار، روند پخش شایعات و اخبار و ... نام برد. شبکه¬های اجتماعی آنلاین به دلیل در دسترس بودن اطلاعات به عنوان نمونه¬های مناسبی برای تحلیل و آنالیز نظریه¬های جدید شناخته می¬شوند.یکی از اهداف این تحلیل، شناسایی رفتارهای خرابکارانه و حفظ امنیت و حریم خصوصی کاربران است. در این نوشتار بر آن شدیم ضمن مروری کوتاه بر فواید تحلیل شبکه¬های اجتماعی، روش¬های تشخیص آنومالی در داده¬ها و راههای شناسایی کاربران غیر عادی و احتمالاً خرابکار را بررسی نمائیم. روش¬های تحلیل آماری، استفاده از گراف معنایی و گراف فازی در تشخیص آنومالی در شبکه¬های اجتماعی مورد بررسی قرار گرفت و در پایان مورد مقایسه قرار گرفت.همچنین بر ارائه ی رویکردی نوین جهت تشخیص رفتارهای آبنرمال در شبکه های اجتماعی با استفاده از رهیافتی تلفیقی، متشکل از روش های گوناگون پارامتریک و غیرپارامتریک در بستر منطق فازی بحث شده است. خصوصیات شبکه های اجتماعی آنلاین همچون تغییرپذیری مداوم داده ها و تفاوت استنباط نتایج در شرایط گوناگون، منطبق بر منطق¬فازی است. همچنین جهت عدم مواجهه با حجم عظیمی از داده ها و کاربران، می توان این شبکه ها را به صورت ساخت یافته مورد بررسی قرار داد. در این پژوهش با استفاده از ساختار جرگه، تمرکز بر روی کشف رفتارهای خرابکارانه جاسوسی و پخش بدافزار در شبکه های اجتماعی برخط بوده است.