Araştırma Makalesi
BibTex RIS Kaynak Göster

Çevrimiçi Sosyal Ağlarda Sahte Hesap Tespiti

Yıl 2024, Cilt: 9 Sayı: 2, 71 - 89, 30.08.2024
https://doi.org/10.46578/humder.1442237

Öz

Çevrimiçi sosyal ağlar Dünya’da çapında bilgi yaymak için en çok kullanılan sosyal araçlar arasında birinci sırada yer alır. Merak edilen bir konuda bilgi araştırmak için öncelikle sosyal medya hesapları kontrol edilir hale gelmiştir. Sosyal ağlarda takipçi sayısı bir başarı göstergesi ve haberlerdeki doğruluk olarak algılanır hale gelmiştir. Sahte hesaplar kendi gibi sahte takipçileri satın alarak kendi kimliğini gizleyip yanlış bilgileri rahatlıkla paylaşmaktadır. Çalışmamızdaki amacımız da bu sahte hesapların tespiti yapılarak sosyal ağların daha güvenilir hale gelmesini sağlamaktır. Bunun için çalışmamızda Random Forest(Rastgele Orman), Extra Trees(Ekstra Ağaçlar), Gradient Boosting(Gradyan Arttırma), Decision Tree(Karar Ağacı), Adaptive Boosting(AdaBoost) gibi ağaç yapısına sahip algoritmalar kullanıldı. Ayrıca, tekli olarak doğruluk sonucunu bulduğumuz algoritmalardan daha iyi sonuç almak için tüm kullanılan algoritmaları “birleştiren” yeni bir entegre yaklaşım da çalışmamızda önerilmektedir.

Kaynakça

  • Y. S. Wu, S. Bagchi, N. Singh, R. Wita, Spam detection in voice-over-ip calls through semi-supervised clustering. Proceedings of the 2009 Dependable Systems Networks, 307–316, 2009.
  • H. Uzun, Sosyal Medyanın Bilgi Kalitesine Etkisi: Sahte Hesaplar, Akademia Doğa ve İnsan Bilimleri Dergisi, 2:1(2016) 1-31.
  • A. Gupta, R. Kaushal, Improving spam detection in Online Social Networks,2015 International Conference on Cognitive Computing and Information Processing (CCIP), Noida, India, 1-6. doi: 10.1109/CCIP.2015.7100738, 2015.
  • A. H. Wang, Detecting Spam Bots in Online Social Networking Sites: A Machine Learning Approach. In S. Foresti ve S. Jajodia (Eds.), Data and Applications Security and Privacy XXIV. DBSec 2010. Lecture Notes in Computer Science. Springer, Berlin, Heidelberg. 6166 (2010) 25-39. doi:10.1007/978-3-642-13739-6_25.
  • K. R. Purba, K. D. Asirvatham, R. K. Murugesan, Classification of Instagram Fake Users Using Supervised Machine Learning Algorithms, International Journal of Electrical and Computer Engineering (IJECE), 10:3, (2020) 2763-2772. doi: 10.11591/ijece.v10i3.
  • Ü. Tunç, E. Atalar, M. S. Gargı, Z. Ergül Aydın, Classification of fake, bot, and real accounts on ınstagram using machine learning, Politeknik Dergisi, 2024
  • A. Anwaar, A. Wajid, A Simplified Study of Fake and Real Accounts: Using Prediction, Cluster and Outlier Detection Methods, 2020.
  • A. Dey, H. Reddy, M. Dey, N. Sinha, Detection of Fake Accounts in Instagram Using Machine Learning, International Journal of Computer Science and Information Technologies, 10:10 (2019) 82-86. doi: 10.5121/ijcsit.2019.1150783.
  • Free4ever1, Instagram Fake, Spammer, and Genuine Accounts Dataset. Kaggle. Erişim adresi:https://www.kaggle.com/datasets/free4ever1/instagram-fake-spammer-genuine-accounts, 2024.
  • B. Malkoç, Temel bilimler ve mühendislik eğitiminde programlama dili olarak Python, XIV. Akademik Bilişim Konferansı Bildirileri, 201, 2012.
  • CoderSpace,Kaggle. Erişim tarihi: https://coderspace.io/sozluk/kaggle, 2023.
  • Visual Studio,Visual Studio ile çalışmaya başlama,Erişim tarihi: https://learn.microsoft.com/tr-tr/visualstudio/get-started/visual-studio-ide?view=vs-2022, 2022.
  • N. Bhandari, Extra Trees Classifier, Medium: https://medium.com/@namanbhandari/extratreesclassifier8e7fc052c7, 2018
  • A. Berrouachedi, R. Jaziri, G. Bernard, Ekstra ağaçların derin çağlayanı. In U. Lauw, H. (Eds.), Bilgi Keşfi ve Veri Madenciliğinde Eğilimler ve Uygulamalar. PAKDD 2019. Bilgisayar Bilimlerinde Ders Notları. 11607 (2019) 25-39. Springer, Cham. doi:10.1007/978-3-030-26142-9_11.
  • A. Natekin, A. Knoll, Gradient boosting machines, a tutorial, 2013.
  • K. Güzel, Boosting Nedir? Adım Adım Adaboost Algoritması, Medium: https://kadirguzel.medium.com/boosting-nedir-ad%C4%B1m-ad%C4%B1m-adaboost-algoritmas%C4%B1-439cce20ab9a, 2022.
  • T. Kalaycı, Kimlik hırsızı web sitelerinin sınıflandırılması için makine öğrenmesi yöntemlerinin karşılaştırılması, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 24:5 (2018) 870-878. doi:10.9733/jgg.241212.1t.
  • S. Atan, KNN, Naive Bayes ve karar ağacı makine öğrenme algoritmaları, Bu algoritmaların sosyal bilimlerde kullanım imkânları. 2020. doi:10.31235/osf.io/8r5pu.
  • L. Rokach, O.Z. Maimon, Data Mining with Decision Trees: Theory and Applications. World Scientific Publishing Co., Inc., Singapore, 2008.
  • Ö. Akar, O. Güngör, Rastgele orman algoritması kullanılarak çok bantlı görüntülerin sınıflandırılması. Jeodezi ve Jeoinformasyon Dergisi, 106 (2012) 139-146.
Toplam 20 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Bilgisayar Yazılımı
Bölüm Araştırma Makaleleri
Yazarlar

Esma Elma 0009-0009-1715-8342

Nagehan İlhan 0000-0002-1367-9230

Erken Görünüm Tarihi 30 Ağustos 2024
Yayımlanma Tarihi 30 Ağustos 2024
Gönderilme Tarihi 24 Şubat 2024
Kabul Tarihi 23 Mayıs 2024
Yayımlandığı Sayı Yıl 2024 Cilt: 9 Sayı: 2

Kaynak Göster

APA Elma, E., & İlhan, N. (2024). Çevrimiçi Sosyal Ağlarda Sahte Hesap Tespiti. Harran Üniversitesi Mühendislik Dergisi, 9(2), 71-89. https://doi.org/10.46578/humder.1442237