Détection des utilisateurs indésirables dans Twitter en utilisant les techniques PSO-EHO

Abstract

Les réseaux sociaux attirent des millions d’utilisateurs à travers le monde de défirent tranches d’ages et de catégorie, ce qui les qualifiés de devenir des plate-forme cibles pour les faux utilisateurs afin de diffuser une énorme quantité d’informations fausses et non pertinentes. Twitter, ne sort pas de cette problématique, et lui aussi exemple, est devenu l’une des plates-formes attirant les fraudeurs et les utilisateur mal-honnêtes qui diffusent des informations incorrectes aux utilisateurs via de fausses identités, ce qui a conduit à la propagation de contenus malveillants. Ces derniers temps plusieurs approche on été proposé pour assurer la sécurité de ce réseau mais tous ces approches n’ont pas pus faire fin à ce défit, parmi ces approche on trouvent celle d’apprentissage automatique, approche bio-inspirés et bien-sure plusieurs autre approches. les approches d’apprentissage automatique ont données certains résultats, comme SVM. Notre travail vise à étudie si on optimisant les caractéristiques par une approche bio-inspiré tel-que PSO, EHO est ce que cela peut améliorer les résultats obtenues. dans ce travail on va faire une comparaison selon deux stade : le premier au niveau de la methode SVM et sa combinaison avec PSO puis avec ECHO. au deuxième stade une comparaison entre SVM combiné avec PSO et SVM combinée avec EHO. les résultats ont montrés que SVM combinée avec PSO améliore la détection, mais pour les autres combinaison par manque de temps on a pas arrivée a en déduire une conclusion claire à leurs propos. Dans ce travail, nous passons en revue les techniques utilisées pour détecter les faux utilateurs sur Twitter tout en essayant de développer une méthode de détection d’optimisation basée sur des algorithmes bio-inspirés tels que optimisation de l’essaim de particules (PSO) et optimisation de l’élevage d’éléphants (EHO). Notre idée était initialement d’utiliser un algorithme d’apprentissage automatique et d’apprendre à l’appliquer à une base de données de comptes d’utilisateurs Twitter. Essayez ensuite d’améliorer sa précision en utilisant l’algorithme d’optimisation des particules PSO, où il a été constaté que l’algorithme d’optimisation augmentait la précision des résultats.