Key points are not available for this paper at this time.
Le spam émerge comme une menace clé pour les applications de médias sociaux basées sur l'Internet des objets (IoT). Il posera de graves menaces à la sécurité de l'espace cyberspace de l'IoT. À cette fin, des techniques de détection et d'identification basées sur l'intelligence artificielle ont été largement étudiées. Les travaux dans la littérature sur l'espace cyberspatial de l'IoT peuvent être classés en deux catégories : 1) approches basées sur des modèles de comportement et 2) approches basées sur des modèles sémantiques. Cependant, elles ne sont pas en mesure de gérer efficacement les activités de spam dissimulées, compliquées et changeantes, en particulier dans l'environnement hautement incertain de l'IoT. Pour relever ce défi, dans cet article, nous exploitons la sensibilisation collaborative des deux modèles et proposons un mécanisme de détection de spammeurs basé sur un réseau neuronal collaboratif (Co-Spam) dans les applications de médias sociaux. En particulier, il introduit la fusion d'informations multisources en encodant de manière collaborative des modèles comportementaux et sémantiques à long terme. Ainsi, une représentation plus complète de l'espace des caractéristiques peut être capturée pour une détection de spammeurs ultérieure. Empiriquement, nous mettons en œuvre une série d'expériences sur deux ensembles de données du monde réel dans différents scénarios et paramètres. L'efficacité du Co-Spam proposé est comparée à cinq références par rapport à plusieurs métriques d'évaluation. Les résultats expérimentaux indiquent que le Co-Spam a une amélioration de performance moyenne d'environ 5 % par rapport aux références.
Guo et al. (Fri,) ont étudié cette question.