پایان نامه کارشناسی ارشد آقای سعید قادری با عنوان «تشخیص ناهنجاری ها در شبکه های اجتماعی با استفاده از تکنیک های مبتنی بر گراف» - دانشکده فنی و مهندسی
دانشکده فنی و مهندسی
گروه آموزشی مهندسی کامپیوتر
اطلاعیه دفاع از پایان نامه کارشناسی ارشد در رشته مهندسی کامپیوتر گرایش شبکه های کامپیوتری
عنوان:
تشخیص ناهنجاری ها در شبکه های اجتماعی با استفاده از تکنیک های مبتنی بر گراف
استاد راهنما:
جناب آقای دکتر مهدی سخایی نیا
استاد مشاور:
جناب آقای دکتر محرم منصوریزاده
اساتید ممتحن:
جناب آقای دکتر محمد نصیری
جناب آقای دکتر مهدی عباسی
پژوهشگر:
سعید قادری پیراقوم
زمان:
یکشنبه 28/11/1397 ساعت 14 بعد از ظهر
مکان:
سالن مرحوم خانمحمدی
Bu-Ali Sina University
Faculty of Engineering
Department of Computer Engineering
Thesis submitted for Master of Science in Information Technology - Computer Networks
Title:
Anomaly Detection in Social Networks with Graph-based Techniques
Supervisor:
Dr. Mahdi Sakhaeinia
Adviser:
Dr. Muharram Mansoorizadeh
Judges:
Dr. Mohammad Nasiri
Dr. Mahdi Abbasi
Author:
Saeed Ghadery Piraghom
February 17, 2019
چکیده:
امروزه با گسترش استفاده از شبکه‌های اجتماعی، تجزیه و تحلیل داده‌های عظیم در این شبکه‌ها به یک مسئله بسیار مهم تبدیل گشته است. شاخه‌ای از علم داده‌کاوی که وظیفه‌ی یافتن الگوها و رفتارهای غیرطبیعی در داده¬ها را دارد به «تشخیص ناهنجاری» معروف است. روش‌های مختلف تشخیص ناهنجاری با توجه به محیط اجرای آن‌ها توسعه داده‌شده‌اند که روش‌های مبتنی بر گراف در شبکه‌های اجتماعی کارایی زیادی را از خود نشان داده‌اند. همچنین در میان روش‌های مختلف تشخیص ناهنجاری، روش‌های مبتنی بر احتمالات به دلیل اینکه نیاز به دانش اولیه و واردکردن داده‌ها در مورد رفتارهای طبیعی ندارند، از اهمیت ویژه‌ای برخوردارند و کارایی خود را در ارزیابی‌ها به‌خوبی نشان داده‌اند.
در این پژوهش ، با ایده ترکیب روش‌های مبتنی بر گراف و روش‌های احتمالاتی، یک الگوریتم پیشنهاد می شود تا روش تشخیص ناهنجاری‌ها در شبکه‌های اجتماعی بر اساس بیزین را بهبود دهد. همچنین در کنار آن به نوآوری جدیدی دست پیدا کند تا الگوریتم پیشنهادی به‌تنهایی با سایر روش‌های تشخیص ناهنجاری در شبکه‌های اجتماعی رقابت کند. ارزیابی‌های صورت گرفته در این تحقیق به روی الگوریتم پیشنهادی و الگوریتم بیزین در حالت های مختلف ، موثر بودن این روش در حالتی که به‌صورت مستقل و تلفیقی اجرا می‌شود را نشان می‌دهد.
واژههای کلیدی: شبکه‌های اجتماعی، ناهنجاری، روش‌های آماری
Abstract:
Nowadays, by growth using of social networks, we face the analysis of big data in them .one sub-category of data mining that its duty is to find the patterns and abnormal behavior in data, called anomaly detection. Difference anomaly detection technique was developed as regards executive environment that graph-based methods in social networks show high performance.as well, between different anomaly techniques, probabilities-based methods due to it neither has primary knowledge and import data of normal behavior, has great of importance and show its performance in evaluation.
In this research, by combining the graph-based methods and probabilities techniques, we can improve anomaly detection in social networks base of Bayesian and reach other innovation that proposed algorithm can compete with other anomaly detection by itself. Applied evolution on proposed algorithm and Bayesian algorithm show high performance in which they run both independent and combinational.
Key Words: Social Networks , Anomaly ,Probabilities methods
نام و نام خانوادگی : سعید قادری
رشته‌ی تحصیلی : شبکه های کامپیوتری
مقطع تحصیلی : کارشناسی ارشد
اطلاعات تحصیلی :
1- کارشناسی ارشد :
کارشناسی ارشد مهندسی کامپیوتر گرایش شبکه های کامپیوتری ، دانشگاه بوعلی سینا همدان (در حال تحصیل ورودی 1395)
معدل : 16.40
2- کارشناسی :
کارشناسی مهندسی فناوری اطلاعات ، از دانشگاه پیام نور اردبیل (1395-1389)
معدل : 14.12
عنوان پروژه : طراحی شبکه ی دانشگاهی با Packet Tracer
3- دیپلم :
دیپلم ریاضی ، از دبیرستان عارف اردبیلی (1388-1385)
مهارت‌ها :
برنامه نویسی C و C++ و java و python
مسلط به Network+ ، CCNA و CCNP
گروه آموزشی مهندسی کامپیوتر
اطلاعیه دفاع از پایان نامه کارشناسی ارشد در رشته مهندسی کامپیوتر گرایش شبکه های کامپیوتری
عنوان:
تشخیص ناهنجاری ها در شبکه های اجتماعی با استفاده از تکنیک های مبتنی بر گراف
استاد راهنما:
جناب آقای دکتر مهدی سخایی نیا
استاد مشاور:
جناب آقای دکتر محرم منصوریزاده
اساتید ممتحن:
جناب آقای دکتر محمد نصیری
جناب آقای دکتر مهدی عباسی
پژوهشگر:
سعید قادری پیراقوم
زمان:
یکشنبه 28/11/1397 ساعت 14 بعد از ظهر
مکان:
سالن مرحوم خانمحمدی
Bu-Ali Sina University
Faculty of Engineering
Department of Computer Engineering
Thesis submitted for Master of Science in Information Technology - Computer Networks
Title:
Anomaly Detection in Social Networks with Graph-based Techniques
Supervisor:
Dr. Mahdi Sakhaeinia
Adviser:
Dr. Muharram Mansoorizadeh
Judges:
Dr. Mohammad Nasiri
Dr. Mahdi Abbasi
Author:
Saeed Ghadery Piraghom
February 17, 2019
چکیده:
امروزه با گسترش استفاده از شبکه‌های اجتماعی، تجزیه و تحلیل داده‌های عظیم در این شبکه‌ها به یک مسئله بسیار مهم تبدیل گشته است. شاخه‌ای از علم داده‌کاوی که وظیفه‌ی یافتن الگوها و رفتارهای غیرطبیعی در داده¬ها را دارد به «تشخیص ناهنجاری» معروف است. روش‌های مختلف تشخیص ناهنجاری با توجه به محیط اجرای آن‌ها توسعه داده‌شده‌اند که روش‌های مبتنی بر گراف در شبکه‌های اجتماعی کارایی زیادی را از خود نشان داده‌اند. همچنین در میان روش‌های مختلف تشخیص ناهنجاری، روش‌های مبتنی بر احتمالات به دلیل اینکه نیاز به دانش اولیه و واردکردن داده‌ها در مورد رفتارهای طبیعی ندارند، از اهمیت ویژه‌ای برخوردارند و کارایی خود را در ارزیابی‌ها به‌خوبی نشان داده‌اند.
در این پژوهش ، با ایده ترکیب روش‌های مبتنی بر گراف و روش‌های احتمالاتی، یک الگوریتم پیشنهاد می شود تا روش تشخیص ناهنجاری‌ها در شبکه‌های اجتماعی بر اساس بیزین را بهبود دهد. همچنین در کنار آن به نوآوری جدیدی دست پیدا کند تا الگوریتم پیشنهادی به‌تنهایی با سایر روش‌های تشخیص ناهنجاری در شبکه‌های اجتماعی رقابت کند. ارزیابی‌های صورت گرفته در این تحقیق به روی الگوریتم پیشنهادی و الگوریتم بیزین در حالت های مختلف ، موثر بودن این روش در حالتی که به‌صورت مستقل و تلفیقی اجرا می‌شود را نشان می‌دهد.
واژههای کلیدی: شبکه‌های اجتماعی، ناهنجاری، روش‌های آماری
Abstract:
Nowadays, by growth using of social networks, we face the analysis of big data in them .one sub-category of data mining that its duty is to find the patterns and abnormal behavior in data, called anomaly detection. Difference anomaly detection technique was developed as regards executive environment that graph-based methods in social networks show high performance.as well, between different anomaly techniques, probabilities-based methods due to it neither has primary knowledge and import data of normal behavior, has great of importance and show its performance in evaluation.
In this research, by combining the graph-based methods and probabilities techniques, we can improve anomaly detection in social networks base of Bayesian and reach other innovation that proposed algorithm can compete with other anomaly detection by itself. Applied evolution on proposed algorithm and Bayesian algorithm show high performance in which they run both independent and combinational.
Key Words: Social Networks , Anomaly ,Probabilities methods
نام و نام خانوادگی : سعید قادری
رشته‌ی تحصیلی : شبکه های کامپیوتری
مقطع تحصیلی : کارشناسی ارشد
اطلاعات تحصیلی :
1- کارشناسی ارشد :
کارشناسی ارشد مهندسی کامپیوتر گرایش شبکه های کامپیوتری ، دانشگاه بوعلی سینا همدان (در حال تحصیل ورودی 1395)
معدل : 16.40
2- کارشناسی :
کارشناسی مهندسی فناوری اطلاعات ، از دانشگاه پیام نور اردبیل (1395-1389)
معدل : 14.12
عنوان پروژه : طراحی شبکه ی دانشگاهی با Packet Tracer
3- دیپلم :
دیپلم ریاضی ، از دبیرستان عارف اردبیلی (1388-1385)
مهارت‌ها :
برنامه نویسی C و C++ و java و python
مسلط به Network+ ، CCNA و CCNP