Abstract
There is an alarming news recently revealed on media that 8.7 percent of users on Facebook are fake; this amounts to more than 83 million accounts worldwide. Consequently this huge number of fake users whose profiles were unverified translates to the potential dangers ranging from espionage, identity thievery, information misuse and loophole to privacy compromise to the users and their families. Nowadays with the popularity of online social networks (OSN), it is easy to footprint a potential target from the information easily trawled from the Web. Anyone can simply impose as somebody else that s/he claimed to be, without checking whether the information is genuine or not. For example it is so easy to impersonate one's identity on OSN by supplying fake photos and false names, which will go preemptively unchecked by Facebook. In this paper, a preliminary experiment of applying decision tree classification algorithms is presented, for identifying imposters from a pool of “friends” in Facebook. The classification approach is similar to that of classifying spams from legitimate emails except the attributes of a user's account is taken into consideration instead of text-mining the message contents. An accuracy of 92.1% is demonstrated to be achievable using the classification techniques
چکیده
اخیرا خبر هشداردهنده ای در رسانه ها اعلام شد مبنی بر اینکه 8.7 درصد کاربران فیسبوک تقلبی هستند که برابر است با بیش از 83 میلیون اکانت در سراسر جهان. در نتیجه، این تعداد بسیار زیاد از کاربران تقلبی با پروفایل های تایید نشده، به خطرات بالقوه ای منجر می شود از جمله جاسوسی، سرقت هویت، سوئ استفاده از اطلاعات، خلا قانونی و قربانی شدن حریم خصوصی فرد و خانواده. امروزه با محبوبیت شبکه های اجتماعی آنلاین (او اس ان)، به راحتی می توان یک فرد مورد هدف را از اطلاعاتی که با جستجو در وب حاصل می شود رهگیری کرد. هر کسی می تواند به راحتی خود را به عنوان فرد دیگری ادعا کند بدون اینکه بررسی شود آیا اطلاعات واقعی است یا نه. برای مثال در یک او اس ان با استفاده از عکس های غیرواقعی و اسم دروغین، که فیسبوک برای پیشگیری آن ها را چک نمی کند، به راحتی می توان هویت را جعل کرد. در این مقاله یک آزمایش ابتدایی اِعمال الگوریتم های طبقه بندی درخت تصمیم برای شناسایی بدل ها در یک مجموعه از دوست ها در فیسبوک ارائه می شود. روش طبقه بندی شبیه طبقه بندی اسپم از ایمیل های مناسب است، با این تفاوت که به جای متن کاوی محتویات پیام، ویژگی های اکانت کاربر مورد نظر قرار می گیرند. نشان داده می شود که دقت 92.1 درصدی از این تکنینک های طبقه بندی قابل دستیابی است.
1-مقدمه
کاربرانی که با استفاده از عکس ها و پروفایل هایی که یا از یک فرد واقعی ربوده شده اند (بدون اینکه خودش بداند) یا به صورت مصنوعی تولید شده اند، به راحتی می توانند خود را جای فرد دیگری معرفی کنند. در این مقاله این اکانت های تقلبی به طور کلی بدل نامیده می شوند، کسانی که ادعا می کنند فرد دیگری هستند. آن ها معمولا از هویت افراد موجود و واقعی استفاده می کنند. اطلاعات پروفایلی مثل عکس، آدرس و وابستگی را می توان به راحتی به صورت آنلاین از وبسایت ها و موتورهای جستجو به دست آورد...