Twitter Spam-Erkennung und Traffic-Klassifizierung

Das rasante Wachstum des Internets und der sozialen Medien hat zu einer Zunahme des Umfangs des Internetverkehrs und der Komplexität der Analyse des Verkehrsverhaltens geführt, insbesondere in großen Netzwerken wie sozialen Medienplattformen. Traditionelle regelbasierte Methoden werden durch automatisierte Ansätze ersetzt, die auf maschinellem Lernen beruhen und durch die Verfügbarkeit großer Datensätze angetrieben werden, die leistungsstarke KI-Modelle ermöglichen. Dieses Buch gibt einen Überblick über die jüngste Forschung zur Analyse des Internetverkehrs in sozialen Netzwerken und im Internet, wobei der Schwerpunkt auf Konzepten der Ähnlichkeit, Korrelation und kollektiven Indikation liegt und die Bedeutung von Sicherheitszielen bei der Klassifizierung von Netzwerkhosts, Anwendungen, Benutzern und Tweets hervorgehoben wird. Zur Bewältigung dieser Herausforderungen wird in diesem Beitrag eine neue Forschungsmethodik namens datengesteuerte Cybersicherheit (DDCS) und ihre Anwendung bei der Analyse von sozialem und Internetverkehr vorgestellt. Die DDCS-Methode besteht aus drei Hauptkomponenten: Cybersicherheitsdatenverarbeitung, Cybersicherheitsmerkmalstechnik und Cybersicherheitsmodellierung.