ऑनलाइन सोशल नेटवर्क में रैंडम वॉक्स आधारित फ़ेक खाता पहचान

ऑनलाइन सोशल नेटवर्क को संज्ञात सिबिल हमले के प्रति संवेदनशील माना जाता है, जिसमें एक हमलावर विशाल फ़ेक खाते (जिन्हें सिबिल भी कहा जाता है) बनाए रखता है और उनका उपयोग विभिन्न दुर्भावनापूर्ण गतिविधियों को करने के लिए करता है। इसलिए, सिबिल पहचान ऑनलाइन सोशल नेटवर्क में एक मौलिक सुरक्षा अनुसंधान समस्या है। रैंडम वॉक्स आधारित विधियाँ, जो उपयोगकर्ताओं के लिए प्रतिष्ठा स्कोर को वितरित करने के लिए ऑनलाइन सोशल नेटवर्क की संरचना का लाभ उठाती हैं, कुछ वास्तविक दुनिया के ऑनलाइन सोशल नेटवर्क में आशाजनक साबित हुई हैं। विशेष रूप से, रैंडम वॉक्स आधारित विधियों में तीन इच्छित विशेषताएँ हैं: 1) वे ऐसे ऑनलाइन सोशल नेटवर्क के लिए सैद्धांतिक रूप से सुनिश्चित प्रदर्शन रख सकती हैं जिनकी तेज़ मिश्रण विशेषता होती है, 2) जब सोशल नेटवर्क में मजबूत समानता विशेषता होती है, तब वे सटीक होती हैं, और 3) वे बड़े पैमाने के ऑनलाइन सोशल नेटवर्क के लिए स्केलेबल होती हैं। हालाँकि, मौजूदा रैंडम वॉक्स आधारित विधियों में कई मुख्य सीमाएँ हैं: 1) वे केवल लेबल किए गए बेनाइन उपयोगकर्ताओं या लेबल किए गए सिबिल्स में से किसी एक का लाभ उठा सकती हैं, लेकिन दोनों का नहीं, 2) वे कमजोर समानता वाले सोशल नेटवर्क के लिए सीमित पहचान सटीकता रखती हैं, और 3) वे प्रशिक्षण डेटासेट में लेबल शोर के प्रति मजबूत नहीं होती हैं। इस कार्य में, हम एक नई रैंडम वॉक्स आधारित सिबिल पहचान विधि का प्रस्ताव करते हैं जिसे सिबिलवाक कहा जाता है। सिबिलवाक मौजूदा रैंडम वॉक्स आधारित विधियों की सीमाओं को संबोधित करता है जबकि उनकी इच्छित विशेषताएँ बनाए रखता है। हम सिबिलवाक की तुलना पिछले रैंडम वॉक्स आधारित विधियों से करने के लिए सैद्धांतिक और अनुभवात्मक मूल्यांकन करते हैं। सैद्धांतिक रूप से, तेज़ मिश्रण गुण वाले ऑनलाइन सोशल नेटवर्क के लिए, सिबिलवाक में उन सिबिल्स की संख्या पर एक सघन आसिंप्टोटिकल सीमा होती है जो सोशल नेटवर्क में गलत ढंग से स्वीकार किए जाते हैं, जो सभी मौजूदा रैंडम वॉक्स आधारित विधियों से बेहतर है। अनुभवात्मक रूप से, हम सिबिलवाक की तुलना पिछले रैंडम वॉक्स आधारित विधियों से करते हैं, दोनों के लिए संश्लेषित सिबिल्स वाले सोशल नेटवर्क और वास्तविक सिबिल्स वाले बड़े पैमाने पर ट्विटर डेटासेट का उपयोग करते हैं। हमारे अनुभवात्मक परिणाम प्रदर्शित करते हैं कि 1) सिबिलवाक कमजोर समानता वाले सोशल नेटवर्क के लिए मौजूदा रैंडम वॉक्स आधारित विधियों की तुलना में काफी अधिक सटीक है, 2) सिबिलवाक मौजूदा रैंडम वॉक्स आधारित विधियों की तुलना में लेबल शोर के प्रति काफी अधिक मजबूत है, और 3) सिबिलवाक मौजूदा सबसे प्रभावी रैंडम वॉक्स आधारित विधियों के रूप में स्केलेबल है। विशेष रूप से, ट्विटर डेटासेट पर, सिबिलवाक का गलत सकारात्मक दर 1.3% और गलत नकारात्मक दर 17.3% है।