ASRL: संवहनीय झुंड उत्साह वृद्धि अध्ययन के लिए उन्नत OSN घुसपैठ पहचान

ऑनलाइन सामाजिक नेटवर्क (OSNs) बढ़ती सुरक्षा खतरों का सामना करते हैं जो उपयोगकर्ता की गोपनीयता को जोखिम में डालते हैं। पारंपरिक गहरे अध्ययन विधियाँ, जो मुख्य रूप से निश्चित अध्ययन दरों पर निर्भर करती हैं, उपयोगकर्ता व्यवहारों, विविध सामग्री प्रकारों, और सामाजिक प्रवृत्तियों के विषयों के परिवर्तन से उत्पन्न OSN यातायात की जटिलताओं को कैप्चर करने में सीमाओं का सामना करती हैं। इन चुनौतियों का सामना करने के लिए, हमारा पेपर एक समान दृष्टिकोण से विविध भिन्नताओं और संक्रमणों की दिशा में जाता है, जहाँ विभिन्न प्रकार के डेटा के लिए एकल विधि का उपयोग किया जाता है, बहुविविधता पद्धति की ओर। यह पद्धति प्रत्येक डेटा प्रकार की विशेष विशेषताओं के अनुसार गतिशीलता से अनुकूलित होती है, जिसके परिणामस्वरूप अधिक प्रभावी डेटा प्रतिनिधित्व किया जाता है जबकि निश्चित-राशि की परिनियोजन से संबंधित सीमाओं को कम कर दिया जाता है। इसलिए, हम संवहनीय झुंड उत्साह वृद्धि अध्ययन (ASRL) विधि का निर्माण करते हैं जो गतिशील अध्ययन का लाभ उठाकर उपयोगकर्ता इंटरैक्शन की एक विस्तृत श्रृंखला का जटिल विश्लेषण करने में सक्षम है, जिससे हमारी प्रस्तुत विधि को हमेशा बदलते OSN पैटर्न के लिए लचीले ढंग से समायोजित होने की क्षमता मिलती है। प्रयोगों ने दिखाया कि प्रस्तावित ASRL विधि विभिन्न खतरे के पैटर्नों का पता लगाने में 98.59% सटीकता प्राप्त करती है, जो Facebook, Google+, और Twitter के डेटा सेट्स में औसतन 5% से अन्य प्रचलित विधियों को पार करती है। इसी बीच, ASRL संदिग्ध गतिविधियों का लॉग रखती है ताकि फोरेंसिक विश्लेषण के लिए घुसपैठ करने वाले की पहचान की जा सके। हमारी प्रस्तुत विधि का कार्यान्वयन अब सार्वजनिक रूप से https://github.com/don2c/asrlProject पर उपलब्ध है।