SOSYAL MEDYADA SAHTE HESAP VE HESAP GRUPLARININ TESPİTİ İÇİN ÖZELLİK ÇIKARIMI VE YAPAY ZEKA TEMELLİ TEKNİKLERİN GELİŞTİRİLMESİ

Abstract

Teknolojinin gelişmesiyle beraber sosyal ağlarda gelişmiştir. Evde, işte, yolculukta, hayatın her anında sosyal ağlara erişim sağlanabilmektedir. Yalnızca haberleşme ve sosyalleşme için değil, alışveriş, bilgi erişimi gibi birçok aktivite sosyal ağlar üzerinden yapılmaya başlanmıştır. Twitter'da bu sosyal ağların içerisindedir. Twitter'da bazı kötü niyetli hesaplar yanlış bilgi ve gündem oluşturma işlemi yapmaktadır. Bu durum sosyal ağlardaki temel problemlerden biridir. Bu nedenle kötü niyetli hesapların tespitinin önemi artmaktadır. Bu tez çalışmasında insanları bu yanlış bilgilerden uzak tutmak için zararlı ve zararsız hesapların sınıflandırılması öngörülmektedir. Bunun için oluşturulan veri kümesini ileri makine öğrenmesi algoritmalarıyla sınıflandırılıp, problemi çözmek amaçlanmaktadır. Bu amaçla insan ve bot hesaplarda özellik çıkarımı yapılmıştır. Elde edilen özellikler farklı makine öğrenme algoritmalarıyla eğitilmiş ve performansları karşılaştırılmıştır. Ayrıca özellik arttırma ve çoklu makine öğrenme yöntemlerinin performans üzerindeki etkileri araştırılmıştır. Bot gruplarının davranışları için çoklu dizi hizalama yöntemi kullanılmıştır. Farklı veri setlerine makine öğrenme algoritmaları uygulanarak farklı sonuçlar elde edilmiştir. Kullanılan öznitelikler değiştiğinde sonuçların değiştiği gözlemlenmiştir. Elde edilen sonuçlar birbirleriyle karşılaştırılmıştır. Sonuç olarak %99'luk başarım oranı elde edilmiştir.

With the development of technology has developed in social networks. Access to social networks can be provided at home, at work, at any moment of life. Not only for communication and socialization, but also for many activities such as shopping and access to information. Twitter is in these social networks. Some malicious accounts on Twitter are creating false information and agenda. This is one of the main problems in social networks. Therefore, the importance of detecting malicious accounts is increasing. In this thesis, it is envisaged to classify harmful and harmless accounts in order to keep people away from this false information. It is aimed to solve the problem by categorizing the data set with advanced machine learning algorithms. For this purpose, feature extraction has been made in human and bot accounts. The features obtained were trained with different machine learning algorithms and their performances were compared. In addition, the effects of feature enhancement and multiple machine learning methods on performance were investigated. Multiple sequence alignment method was used for the behavior of bot groups. Different results were obtained by applying machine learning algorithms to different data sets. It has been observed that the results change when the attributes used change. The results obtained were compared with each other. As a result, 99% performance rate was obtained.