В данной работе предлагается классификация учетных записей социальной сети Вконтакте на основе статических и поведенческих признаков, а также на основе информации о социальном графе пользователя. Проведен анализ методов и подходов выявления ботов. Проведен анализ применимости методов машинного обучения для достижения поставленной цели. Использовались такие классификаторы как Случайный лес и Наивный байесовский классификатор. По результатам практических исследований была произведена оценка работы классификаторов.

In the given work proposes a classification of Vkontakte accounts based on static and behavioral features, as well as on the basis of information about the user's social graph. The analysis of methods and approaches to identify bots. The analysis of the applicability of machine learning methods to achieve the goal. Classifiers such as the Random Forest and the Naive Bayes Classifier were used. According to the results of practical research, the work of classifiers was evaluated.

• РЕФЕРАТ
• ВВЕДЕНИЕ
• 1. ОСНОВЫ ОБНАРУЖЕНИЯ АВТОМАТИЧЕСКИ УПРАВЛЯЕМЫХ УЧЁТНЫХ ЗАПИСЕЙ
  • 1.1. Автоматически управляемые учетные записи
  • 1.2. Социальная сеть Вконтакте
  • 1.3. Задача классификации в машинном обучении
• 2. ФОРМИРОВАНИЕ ВЫБОРКИ УЧЕТНЫХ ЗАПИСЕЙ
  • 2.1. Использование VK API
  • 2.2. Формирование базы ботов
  • 2.3. Формирование базы пользователей
• 3. ПОСТРОЕНИЕ ПЕРЕЧНЯ ПРИЗНАКОВ ДЛЯ КЛАССИФИКАЦИ УЧЕТНЫХ ЗАПИСЕЙ
  • 3.1. Начальный состав признаков
  • 3.2. Дополнительный состав признаков
• 4. МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ВЫЯВЛЕНИЯ БОТОВ
  • 4.1. Результаты работы алгоритма случайный лес
  • 4.2. Результаты работы наивного байесовского классификатора
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• Приложение 1. Начальные признаки страницы, полученные методом users.get
• Приложение 2. Исходный код