مروری نظام مند بر روش های چندوجهی و گراف محور در تشخیص ربات های اجتماعی در شبکه های پویا

چکیده مقاله

با گسترش روزافزون شبکه های اجتماعی آنلاین، ربات های اجتماعی Social Bots با اتخاذ رفتارهای پیچیده و شبه انسانی، به ابزاری جهت دستکاری افکار عمومی، انتشار اخبار جعلی و ایجاد اختلال در پویایی های اجتماعی تبدیل شده اند رویکردهای سنتی تشخیص ربات که صرفا بر ویژگی های متنی یا آمارهای ایستا متکی بودند، کارایی خود را در مواجهه با رفتارهای تطبیقی و ساختارهای تعاملی زمان مند از دست داده اند این پژوهش مرور نظام مندی را بر نسل جدید روش های مبتنی بر یادگیری چندوجهی Multimodal Learning و تحلیل گراف های پویا Dynamic Graphs ارائه می دهد ارزیابی سازوکارهای تلفیق داده های متنی، فراداده ای و ساختاری در کنار بررسی شبکه های عصبی گراف زمان مند TGNNs نشان می دهد که ترکیب اطلاعات چندوجهی با روابط توپولوژیک پویا، نرخ تشخیص مثبت کاذب را به شدت کاهش داده و تاب آوری سیستم ها را در برابر حملات خصمانه ربات های نسل جدید ارتقا می بخشد در نهایت، چالش های کلیدی نظیر ناهمگونی داده ها، مقیاس پذیری زمانی و پدیده رانش مفهوم در شبکه های متغیر با زمان مورد تحلیل قرار گرفته است

کلیدواژه‌ها

نویسندگان

شهلا موسوی

دانشجوی دکترای دانشگاه آزاداسلامی، واحد اصفهان خوراسگان ،اصفهان،ایران

موسوی، شهلا،1405،مروری نظام مند بر روش های چندوجهی و گراف محور در تشخیص ربات های اجتماعی در شبکه های پویا،سی و یکمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان

ارائه‌شده در

مجموعه مقالات سی و یکمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک30 تیر 1405 · شیروان