С 17 марта 2020 г. для ресурсов (учебные, научные, материалы конференций, статьи из периодических изданий, авторефераты диссертаций, диссертации) ЭБ СПбПУ, обеспечивающих образовательный процесс, установлен особый режим использования. Обращаем внимание, что ВКР/НД не относятся к этой категории.

Детальная информация

Название: Применение методов машинного обучения для обнаружения автоматически управляемых учетных записей в социальной сети Вконтакте: выпускная квалификационная работа бакалавра: 10.03.01 - Информационная безопасность ; 10.03.01_03 - Безопасность компьютерных систем
Авторы: Аккулов Адиль Маликович
Научный руководитель: Семенов Павел Олегович
Другие авторы: Резединова Евгения Юрьевна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Выходные сведения: Санкт-Петербург, 2019
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: защита информации; информационная безопасность; социальные сети; боты; машинное обучение; information security; cybersecurity; social networks; bots; machine learning
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 10.03.01
Группа специальностей ФГОС: 100000 - Информационная безопасность
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-3674
Права доступа: Свободный доступ из сети Интернет (чтение, печать, копирование)

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

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.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи Прочитать Печать Загрузить
-> Интернет Анонимные пользователи

Оглавление

  • 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

Статистика использования

stat Количество обращений: 90
За последние 30 дней: 1
Подробная статистика