| Titre : | Détection de faux comptes basée sur Intelligence artificielle-IA- |
| Auteurs : | BAHLOULI ZAHRA, Auteur ; Houacine abdelkrim, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | [S.l.] : [S.l.] : [S.l.] : Université Saïda – Dr. Tahar Moulay – Faculté des Mathématiques, de l’Informatique et de Télécommunications, 2024/2025 |
| Format : | 88ص |
| Accompagnement : | CD |
| Langues: | Français |
| Index. décimale : | BUC-M 003686 |
| Catégories : |
Master en informatique Spécialité : Modélisation Informatique des Connaissances et du Raisonnement |
| Mots-clés: | : الحسابات الوهمية ; إنستغرام ; التعلم الآلي، الأمن السيبراني ; الذكاء الاصطناعي: التلاعب بالمعلومات ; التصنيف الآلي. : Fake accounts ; Instagram ; Machine Learning ; Cybersecurity ; Social Engineering |
| Résumé : |
الملخص
تشكل الحسابات الوهمية على إنستغرام تحديًا متزايدًا في مجال الأمن السيبراني، حيث تُستخدم لأغراض غير مشروعة مثل الاحتيال ونشر المعلومات المضللة والتلاعب بالرأي العام. تهدف هذه الدراسة إلى تطوير نموذج يعتمد على الذكاء الاصطناعي لاكتشاف الحسابات الوهمية باستخدام تقنيات التعلم الآلي. ولتحقيق ذلك، تم الاعتماد على مجموعة بيانات متوازنة تحتوي على تسع خصائص رئيسية تساعد في التمييز بين الحسابات الحقيقية والمزيفة، مثل وجود صورة للملف الشخصي، تطابق الاسم مع اسم المستخدم، وجود رابط خارجي، حالة الخصوصية، وعدد المتابعين والمنشورات والمتابعات. تم تطبيق عدة خوارزميات تصنيف، من بينها شجرة القرار، الغابة العشوائية، الانحدار اللوجستي، والشبكات العصبية الاصطناعية. أظهرت النتائج أن خوارزمية الغابة العشوائية كانت الأكثر دقة، مما يؤكد فعاليتها في كشف الحسابات المزيفة. تسلط هذه الدراسة الضوء على دور الذكاء الاصطناعي في تعزيز أمان منصات التواصل الاجتماعي، كما تفتح المجال لإجراء أبحاث مستقبلية تهدف إلى تطوير أنظمة أكثر دقة وفعالية في اكتشاف الحسابات الوهمية بشكل تلقائي. Abstract Fake account detection on Instagram is a crucial challenge in the field of cybersecurity, as malicious users exploit fake profiles for fraudulent activities. In this study, we propose a detection method based on machine learning algorithms to identify fake accounts using key profile attributes. We employ various classification models, including Decision Tree, Random Forest, Logistic Regression, and Artificial Neural Networks (ANN) using MLPClassifier. The dataset used is sourced from Kaggle and contains nine features that distinguish real accounts from fake ones. Experimental results demonstrate that the Random Forest model achieves the highest accuracy, proving its effectiveness in detecting fake accounts. This study highlights the role of artificial intelligence in enhancing security on social media platforms and lays the foundation for further improvements in automated fake account detection. |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 003686 Adobe Acrobat PDF |
