نوع مقاله : مقاله پژوهشی
نویسنده
عضو هییت علمی گروه کامپیوتر شهید چمران
چکیده
تکنیک‌های نوین در تشخیص و مقابله با تهدیدات سایبری: تشخیص روایات جعلی با استفاده از تحلیل موضع چکیده: انتشار اخبار جعلی در شبکه‌های اجتماعی به یک چالش جدی در حوزه‌های اطلاعاتی و امنیت سایبری، به‌ویژه در زمینه پدافند غیرعامل تبدیل شده است. تشخیص زودهنگام این نوع اخبار می‌تواند نقشی کلیدی در بهبود امنیت سایبری و کنترل انتشار اطلاعات نادرست ایفا کند. در این مقاله، رویکردی جدید ارائه می‌شود که از همبستگی بین عنوان و متن اخبار برای تشخیص اخبار جعلی استفاده می‌کند. به کمک شبکه‌های عصبی عمیق، عنوان و متن خبر به‌صورت دو جزء مستقل، تحلیل و همبستگی آن‌ها اندازه‌گیری می‌شود. ما با ریزتنظیم دو مدل زبانی برت روی عنوان و متن به عنوان دو جزء تشکیل دهنده خبر، سعی کردیم تشخیص دهیم آیا بین عنوان خبر و متن خبر همبستگی وجود دارد یا خیر؟ نتایج نشان داد این روی‌کرد به خبر جعلی می‌تواند دقت مدل را نسبت به مدل‌های مشابه افزایش دهد.
کلیدواژه‌ها
موضوعات
عنوان مقاله [English]
Fake News Detection in Social Media Using Stance Analysis
چکیده [English]
The spread of fake news on social networks has become a serious challenge in the fields of information and cybersecurity, particularly in the realm of passive defense. Early detection of such news can play a crucial role in improving cybersecurity and controlling the dissemination of misinformation. This paper presents a novel approach that uses the correlation between headlines and news content to identify fake news. Using deep neural networks, the headline and body of news articles are analyzed as two independent components, and their correlation is measured. We fine-tuned two BERT language models on the headline and body text as the two constituent parts of the news to determine whether there is a correlation between the news headline and body text. The results showed that this approach to fake news can enhance model accuracy compared to similar models.
کلیدواژه‌ها [English]
- Fake news
- Cybersecurity
- Stance analysis
- Deep neural networks
- Cyber warfare
)