روح الله کوثری لنگری

  امروزه رشد استفاده از شبکه های اجتماعی در میان اقشار مختلف جامعه جهانی، به صورت غیرقابل انکاری رو به فزونی افزایش یافته است. پایگاه داده شبکه های اجتماعی؛ شامل منابع غنی و با ارزشی هستند که انتشار یا تحلیل آن ها جهت برای مقاصد بازاریابی، تبلیغاتی، امنیت ملی، سلامت و ... می تواند برای محققان مؤسسات دولتی و خصوصی سودمند واقع گرددباشد؛ اما رعایت حریم خصوصی موجودیت هایی که اطلاعات آن ها در اختیار تحلیلگران داده کاوی قرار می گیرد، به عنوان یک پروتکل حقوقی ضروری است. در این مقاله، از طریق روش شناسی کیفی فراترکیب، کلیه ابعاد، شاخص ها و کدهای مربوطه استخراج و سپس میزان اهمیت و اولویت هر یک از عوامل، تعیین شده و متعاقباً مدل بهبودیافته گمنامی، به وسیله الگوریتم بهینه سازی کرم شب تاب و خوشه بندی فازی، ارائه گردیده شده است. نتایج شبیه سازی و ارزیابی های مدل پیشنهادی بر روی داده های چهار شبکه اجتماعی فیس بوک، یوتیوب، توییتر و گوگل پلاس، حاکی از حفظ حریم خصوصی داده ها با کمترین نسبت انحراف و بیشترین سودمندی است. ا

دگرگونی جهان به واسطه گسترش فناوری اینترنت، رقابتی دانش محور را در عرصه تجارت الکترونیکی به وجود آورده است. به طوری که با افزایش نرخ مبادلات تجاری، تضمین امنیت، منوط به تحقق نظام پویای بانکداری الکترونیکی است. بانکداری اینترنتی به عنوان یک فرصت بالقوه و رکن اساسی، در فضای سایبر با تهدیدهای گوناگونی مواجه است که یکی از این چالش ها، عدم قطعیت در تضمین امنیت تراکنش ها و وجود رفتارهای غیرمتعارف از سوی شیادان الکترونیکی است. از آنجایی که رفتار کاربران در سامانه اینترنتی با عدم قطعیت همراه بوده و سوابق تراکنش ها، تنها راه کنترل این حرکات است، دانش استنتاجی خبرگان و دسته بندی الگوی رفتاری کاربران توسط الگوریتم درخت تصمیم ، جهت کشف تقلب و رفتارهای مشکوک راهگشاست. در این مقاله، ابتدا متغیرهای مؤثر در تولید قوانین رفتاری تعیین شده است و در نهایت، روند چهار الگوریتم Chaid، ex_Chaid، C4.5 و C5.0 مورد مقایسه قرار گرفته است. نتایج پژوهش نشان می دهد که الگوریتم C5.0 با دقت 91 درصد می تواند به عنوان روش ماشینی مطمئن جهت کشف الگوهای مشکوک موجود روی تراکنش های بانک محسوب شود.