ارائه روشی با هدف ایجاد سیستم پویا و توزیع شده برای کشف بد افزار ها

با محبوب شدن شبکه هاي اجتماعي، حملات امنيتي و جرايم رايانه اي به سمت اين سايت ها، افزايش يافته است. در اغلب موارد، هدف از حمله به حساب هاي کاربران ، سرقت اطلاعات شخصي، يا پخش کردن هرزنامه است. در يک شبکه اجتماعي، حساب هاي جعلي را با بررسي ويژگي هاي دقيق ، به راحتي مي توان شناسايي و غير فعال کرد. در حالت مقابل، ممکن است نفوذگر ، حساب قانوني يک کاربر را به تصرف خود در آورده و از آن براي اقدمات مخرب خود بهره جويد. در اين صورت تشخيص و غير فعال کردن اين حساب ها ، براي مدير شبکه اجتماعي به راحتي امکان پذير نخواهد بود. تاکنون روش هاي زيادي براي تشخيص حساب هاي جعلي در شبکه هاي اجتماعي ارائه شده است. اما طبق بهترين دانش نويسندگان در تشخيص حساب هاي در معرض خطر الگوريتم قابل قولي وجود ندارد . در اين پژوهش به اراو يک روش آماري براي ايجاد مدلي رفتاري از عملکرد کاربران با توجه به تاريخچه فعاليت آنان چپرداخته ايم . به عبارت ديگر با استناد به مجموعه ويژگي هاييمنحصر بفرد و با استفاده از يک مدل آماري ، به کشف تغييرات ناکهاني در پروفايل کاربران پرداخته ايم . از انجا که تغييرات ناگهاني ممکن است صحيح و از سمت خود کاربر باشد، ما از يک طبقه بند و ويژگي هاي مشابهت محتوا در تلفيق با مدل آماري پيشنهادي خود استفاده کرده ايم. ارائه مدل طبقه بندي براي دسته بندي رفتار هاي کاربر، با توجه به ويژگي هاي ارائه شده در اين مقاله ، روش يسيار منعطفي را براي شناسايي حساب هاي غير قانوني فراهم کرده است. بازه هاي استخراج ويژگي يک ساعته در بررسي جريان هاي نامه اي در داده هاي دو شبکه اجتماعي معروف فيسبوک و تويتر ، دقت بسيار مناسب روش پيشنهادي نمايش داده شده است. علاوه بر اين ، اندازه گيري نرخ نمونه غلط صحيح در بررسي بيش از 50 ميليون پست توييت شده ، به کمتر از 5% رسيده است . نتايج نشان مي دهد، روش پيشنهادي ، قابليت تجميع در کليه پلت فرم هاي شبکه هاي اجتماعي را داراست. طراحي اپليکيشن موبايل
رادکام