Conception et r´ealisation d’une application Web pour la d´etection des faux profils dans les r´eseaux sociaux en utilisant le machine learning.

Abstract

Les reseaux sociaux occupent une grande place dans nos vies. Les gens les utilisent pour socialiser et s’informer. Les avantages sont nombreux, mais les inconv enients egalement par exemple les faux profils qui se multiplient rapidement et diffusent de fausses nouvelles et informations. Ils jouent un role important dans les menaces persistantes avancees et sont egalement impliques dans d’autres activites malveillantes. Ce travail examine diff´erents algorithmes d’apprentissage automatique et la fa¸con dont ils aident a resoudre les problemes lies a la d´etection de faux profils sociaux, dans un premier temps. Par la suite, une proposition sous la forme d’une application Web est presentee pour y remedier. Python est utilise comme langage de programmation, avec l’environnement Jupyter Notebook avec diverses biblioth`eques d’analyse de donn´ees et de machine learning comme Pandas, Sklearn, Numpy, etc. Des algorithmes d’apprentissage automatique (supervis´es et non-supervises), a savoir les machines a vecteurs de support (SVM), Random Forest, Naive Bayes, KNN, decision tree et K-means clustering avec diff´erentes versions, sont utilises dans ce travail. Pour aller plus loin dans la proposition de resolution du probleme de d´etection des faux profiles sur les reseaux sociaux, nous avons propose d’une hybridation entre les algorithmes bio-inspires et les algorithmes d’apprentissage non-supervises. Les resultats obtenus sont encouragent. Ils ont ete compares sur la base de differentes metriques tirees de l’etat de l’art de l’utilisation du machine learning.

***

Social networks are a big part of our lives. People use them to socialize and get information. The advantages are many, but so are the disadvantages, such as fake profiles that multiply rapidly and spread fake news and information. They play an important role in advanced persistent threats and are also involved in other malicious activities. This work examines different machine learning algorithms and how they help solve the problems related to fake social profile detection, initially. Subsequently, a proposal in the form of a web application is presented to address this. Python is used as a programming language, with the Jupyter Notebook environment with various data analysis and machine learning libraries such as Pandas, Sklearn, Numpy, etc. Machine learning algorithms (supervised and unsupervised), namely Support Vector Machines (SVM), Random Forest, Naive Bayes, KNN, decision tree and K-means clustering with different versions, are used in this work. To go further in the proposal of solving the problem of false profile detection on social networks, we proposed a hybridization between bio-inspired algorithms and unsupervised learning algorithms. The results obtained are encouraging. They have been compared on the basis of different metrics from the state of the art of machine learning.

Les reseaux sociaux occupent une grande place dans nos vies. Les gens les utilisent pour socialiser et s’informer. Les avantages sont nombreux, mais les inconv enients egalement par exemple les faux profils qui se multiplient rapidement et diffusent de fausses nouvelles et informations. Ils jouent un role important dans les menaces persistantes avancees et sont egalement impliques dans d’autres activites malveillantes. Ce travail examine diff´erents algorithmes d’apprentissage automatique et la fa¸con dont ils aident a resoudre les problemes lies a la d´etection de faux profils sociaux, dans un premier temps. Par la suite, une proposition sous la forme d’une application Web est presentee pour y remedier. Python est utilise comme langage de programmation, avec l’environnement Jupyter Notebook avec diverses biblioth`eques d’analyse de donn´ees et de machine learning comme Pandas, Sklearn, Numpy, etc. Des algorithmes d’apprentissage automatique (supervis´es et non-supervises), a savoir les machines a vecteurs de support (SVM), Random Forest, Naive Bayes, KNN, decision tree et K-means clustering avec diff´erentes versions, sont utilises dans ce travail. Pour aller plus loin dans la proposition de resolution du probleme de d´etection des faux profiles sur les reseaux sociaux, nous avons propose d’une hybridation entre les algorithmes bio-inspires et les algorithmes d’apprentissage non-supervises. Les resultats obtenus sont encouragent. Ils ont ete compares sur la base de differentes metriques tirees de l’etat de l’art de l’utilisation du machine learning.

***

Social networks are a big part of our lives. People use them to socialize and get information. The advantages are many, but so are the disadvantages, such as fake profiles that multiply rapidly and spread fake news and information. They play an important role in advanced persistent threats and are also involved in other malicious activities. This work examines different machine learning algorithms and how they help solve the problems related to fake social profile detection, initially. Subsequently, a proposal in the form of a web application is presented to address this. Python is used as a programming language, with the Jupyter Notebook environment with various data analysis and machine learning libraries such as Pandas, Sklearn, Numpy, etc. Machine learning algorithms (supervised and unsupervised), namely Support Vector Machines (SVM), Random Forest, Naive Bayes, KNN, decision tree and K-means clustering with different versions, are used in this work. To go further in the proposal of solving the problem of false profile detection on social networks, we proposed a hybridization between bio-inspired algorithms and unsupervised learning algorithms. The results obtained are encouraging. They have been compared on the basis of different metrics from the state of the art of machine learning.