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
- Tez No: 992067
- Danışmanlar: DOÇ. DR. FECİR DURAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Sosyal medyada büyük veri analizi
Big data analysis in social media
MUHAMMED SALİH KARAKAŞLI
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED ALİ AYDIN
DOÇ. DR. SERHAN YARKAN
- Temel boyutlarıyla müziksel işitmenin incelenmesi
Research in musical audibility with it's basic dimensions
MEHLİKA DÜNDAR
- NaI (TI) dedektörleri için toplam verim ve tüm enerji pik duyarlığının Monte Carlo metodu ile elde edilmesi
Başlık çevirisi yok
N. REMZİYE ERGÜL
Yüksek Lisans
Türkçe
1987
Fizik ve Fizik MühendisliğiUludağ ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. CİHAN ÖZMUTLU
- Lohusalıkta anneye verilen sağlık eğitiminin annenin doğum sonrası döneme ilişkin bilgi düzeyine etkisinin incelenmesi
Başlık çevirisi yok
HANDAN GÜLER
Yüksek Lisans
Türkçe
1987
HemşirelikCumhuriyet ÜniversitesiHemşirelik Ana Bilim Dalı
Y.DOÇ.DR. MELİHA ATALAY
- Boğazdan izole edilen coliform bakterilerin B- laktamaz enzim aktivitelerinin tesbit edilmesi ve B-laktamaz pozitif coliformların penisilinetkisinin inaktivasyonunun in vitro deneylerle gösterilmesi
The Detection of beta-lactamasa activity of coliform bacteria isolated from th roat cultures and slovving the inactivation of penicilin by this beta lactamase produced by this caliform organisms
GÜVEN URAZ
Doktora
Türkçe
1986
MikrobiyolojiGazi ÜniversitesiGenel Biyoloji Ana Bilim Dalı
DOÇ. DR. ERDOĞAN BERKMAN