Detection of account cloning in online social networks

การตรวจจับการโคลนบัญชีบนโซเชียลเน็ตเวิร์ค

Name: Dechana Punkamol

LCSH: Twitter (Firm)

LCSH: Computer security

LCSH: Social media

LCSH: Online social networks -- Security measures

Abstract: This research had the objective to develop framework and evaluate the chosen methods by extracting attributes from Twitter's data and identifying attributes that are helpful in account cloning detection. Twitter is chosen as a case study due to it being a popular social network platform in Thailand. The framework consists of 3 parts as follows: 1) Twitter crawler retrieved data and their recent tweets from Twitter, 2) Attribute extractor extracted attributes for further analysis, and 3) Cloning detector analyzed the similarities of user profiles, similarities of friend & follower and classification of post behavior & writing style as fake or authentic accounts. The profile attribute similarity, friend & follower similarity can help identify accounts that may be attackers. Potential attackers and victim can be put under close monitoring by further experiment. Posting behavior & writing style can further distinguish whether any post claimed to be written by the victims is authentic. Status related attributes are more discriminative than writing style attributes. If using these attributes altogether yields the best results. The experimental results support that the proposed framework is feasible and effective. It can be customized to support other social network platforms.

Abstract: การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ พัฒนาเฟรมเวิร์กและประเมินวิธีการแยกคุณลักษณะจากข้อมูลของทวิตเตอร์ และระบุคุณลักษณะที่เป็นประโยชน์ในการตรวจจับการลอกบัญชี ทวิตเตอร์ถูกเลือกเป็นกรณีศึกษาเนื่องจากเป็นแพลตฟอร์มโซเชียลเน็ตเวิร์คที่ได้รับความนิยมในประเทศไทย เฟรมเวิร์กประกอบด้วย 3 ส่วนดังนี้ 1) ตัวสืบค้นทวิตเตอร์ทำหน้าที่เก็บข้อมูลและทวีตล่าสุดของพวกเขาจากทวิตเตอร์ 2) ตัวแยกคุณลักษณะทาหน้าที่แยกคุณลักษณะสาหรับการวิเคราะห์เพิ่มเติม และ 3) ตัวตรวจจับการโคลนทำหน้าที่วิเคราะห์การจำแนกพฤติกรรมการโพสต์และรูปแบบการเขียนเป็นบัญชีปลอมหรือจริง การทดลองความคล้ายคลึงกันของคุณลักษณะโปรไฟล์ การทดลองความคล้ายคลึงกัน ของเพื่อนและผู้ติดตามสามารถช่วยระบุบัญชีที่อาจเป็นผู้โจมตีได้ บัญชีผู้โจมตีและเหยื่อที่สงสัยสามารถสังเกตการณ์อย่างละเอียดโดยทดลองเพิ่มเติม การทดลองพฤติกรรมการโพสต์และรูปแบบการเขียนสามารถแยกแยะความแตกต่างได้ว่าโพสต์ใด ๆ ที่อ้างว่าถูกเขียนโดยผู้ที่ตกเป็นเหยื่อนั้นเป็นของจริง คุณลักษณะที่เกี่ยวข้องกับสถานะนั้นมีผลมากกว่าคุณลักษณะของลักษณะการเขียน หากใช้คุณลักษณะเหล่าร่วมกันจะให้ผลลัพธ์ที่ดีที่สุด ผลการทดลองสนับสนุนว่าเฟรมเวิร์กที่เสนอนั้นเป็นไปได้และมีประสิทธิภาพ สามารถปรับแต่งเพื่อให้รองรับแพลตฟอร์มเครือข่ายสังคมอื่น

Mahidol University. Mahidol University Library and Knowledge Center

Address: NAKHONPATHOM

Email: liwww@mahidol.ac.th

Name: Rangsipan Marukatat

Role: Thesis Advisors

Name: Tanasanee Phienthrakul

Role: Thesis Advisors

Name: Mingmanas Sivaraksa

Role: Thesis Advisors

Created: 2020

Modified: 2025-04-10

Issued: 2025-04-10

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Master of Engineering

Level: Master's Degree

Descipline: Computer Engineering

Grantor: Mahidol University

©copyrights Mahidol University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	5836432.pdf	3.58 MB

ใช้เวลา

0.264111 วินาที