An Approach For Detecting Malicious Content on Facebook pages
| العنوان بلغة أخرى: |
نهج مقترح للكشف عن المحتوى الضار والخبيث على صفحات الفيسبوك |
|---|---|
| المؤلف الرئيسي: | الطراونة، رشا ذيب (مؤلف) |
| مؤلفين آخرين: | العبادلة، أحمد حمد حمود (مشرف) |
| التاريخ الميلادي: |
2018
|
| موقع: | مؤتة |
| الصفحات: | 1 - 50 |
| رقم MD: | 974346 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة مؤتة |
| الكلية: | عمادة الدراسات العليا |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
50
| المستخلص: |
أصبح الفيسبوك في الوقت الحالي من أكثر مواقع التواصل الاجتماعي شعبية حول العالم. حيث يقوم مستخدمون الفيسبوك بمشاركة بياناتهم الشخصية وأنشطتهم وتحديثها باستمرار سواء كان بالمنشورات النصية، الصور أو غير ذلك. ومثل معظم الشبكات الاجتماعية، فأن الفيسبوك هو موطن لكثير من الفئات العدائية التي تسيئ استخدام هذه المنصة عن طريق نشر المحتوى الضار والخبيث الذي من شأنه أن يسيء للمستخدم أو سرقة بياناته واستخدامها لأغراض غير مشروعه، وغير ذلك من الأمور المزعجة التي تسيء لتجربة المستخدم على الفيسبوك. ومع الانتشار الواسع للفيسبوك والزيادة المستمرة لعدد المستخدمين، فإن احتمال بث هذا المحتوى الخبيث والضار يتزايد يوما بعد يوم. حاول عدد من الباحثين تعريف المحتوى الضار واستخدام تقنيات مختلفة للكشف عن هذا المحتوى الخبيث في مواقع التواصل الاجتماعي وخصوصا في الفيسبوك. لكن هناك عدد قليل من هذه التقنيات نجحت في الكشف عن المحتوى الضار والخبيث وذلك للتعدد أنواعه والأساليب المستخدمة في نشره على الفيسبوك. هذه الرسالة تقدم نهجا جديدا للكشف عن المحتوى الضار على صفحات الفيسبوك. حيث يستخدم هذا النهج التعلم الآلي ونظاما دقيقا لتحديد صفحات الفيسبوك التي من المرجح أن تنشر المحتوى الضار، اعتمادا على طبيعة الخداع على الروابط، المنشورات، الصور والفيديو. وتشمل هذه النماذج التعلم تحت الإشراف ومنها (Naïve Baye)، عشوائية الغابات (Random Forest). وبناء على هذا التعلم، يتم تنفيذ النهج المقترح باستخدام لغة بايثون لتحديد مشاركات الفيسبوك الخبيثة في الوقت الحقيقي والفعلي للنشر. حيث نستخدم الاحتمالات التي تم الحصول عليها من نماذج التعلم تحت الإشراف على أساس تصنيف فوري (Random Forest) و(Naïve Bayes) لتحديد هذه المشاركات الخبيثة في الزمن الفعلي للمشاركة. من خلال دراستنا لصفحات الفيسبوك لاحظنا زيادة المشاركة والتفاعل على صفحات التي تنشر المحتوى الضار مقارنة بالصفحات التي تنشر المحتوى الغير ضار. وقد اقترحنا مجموعة من المميزات والخصائص للتميز المحتوى الضار تلقائيا في الفسيبوك في الوقت الفعلي للنشر اعتمادا على خصائص الصفحات في الفيسبوك والمحتوى النصي للمنشورات وخصائص للعناوين الإلكترونية. وقد تم استخدام مميزات واسعة لتدريب نماذج تعلم الالة لتحقيق دقة مقدارها 98%. في هذه الرسالة، نقوم بجمع وتوصيف مجموعة بيانات تتكون من مليون منشورتم أنشاءها على صفحات الفيسبوك. وهذه البيانات قد تكون واحدة من أكبر المجموعات البيانية المبنية على مشاركات الفيسبوك في الأوراق العلمية في هذا المجال. |
|---|
عناصر مشابهة
-
IDENTIFYING MALICIOUS ACTIVITIES IN HONEYNETS
بواسطة: Al Otaibi, Abd Allah Misfer منشور: (2012) -
Detecting Malicious Phishing Websites Using Lexical Analysis and Machine Learning
بواسطة: مياس، يوسف عبدالرحمن محمود منشور: (2022) -
Informative Content on Social Media Pages: Study About Digital Practices on Facebook Page of El-Bilad Newspaper
بواسطة: عبدالرزاق، غزال منشور: (2021) -
The Antecedents of Brand Loyalty and Customer Retention within Online Social Media: Facebook Pages Telecommunication Company Context
بواسطة: عقل، أميرة عبدالرحيم سليم منشور: (2018) -
Attitudes of Media Students in Palestine towards Video Journalism Content Disseminated by Russia Today on the Arabic Channel's Page on Facebook
بواسطة: Hafez, Asakra منشور: (2023)
