Подход к выявлению аномалий в данных об использовании веб-сайтов

Поисковые системы стали основным способом получения информации и, таким образом, важной частью повседневной жизни людей. Следовательно, в сфере поисковых систем вращаются огромные суммы денег, что неизбежно приводит к появлению людей, которые пытаются получить из этого прибыль. Помимо честных пользователей, есть и примеры мошеннического поведения, направленного на обман самих поисковых систем и/или других пользователей. Поэтому необходимо каким-то образом выявлять этих злоумышленников. Тем не менее, примеров мошенничества, как правило, мало в сравнении с примерами хорошего поведения, что позволяет рассматривать нечестных пользователей как аномалии и применять методы обнаружения аномалий. В статье предлагается новый подход к выявлению плохих пользователей путем выявления плохих сущностей, в частности, веб-сайтов, связанных с этими пользователями, а также производится сравнительный существующих алгоритмов обнаружения аномалий. В рамках работы интернет моделируется как двудольный граф “пользователь-сущность”, что позволяет перейти от выявления плохих пользователей к выявлению плохих сущностей. Чтобы разработать этот подход, мы сначала вводим определение термина “аномалия”, проводим краткий сравнительный анализ различных методов выявления аномалий и выбираем несколько кандидатов с учетом специфики используемых данных (dataset). Затем мы реализуем выбранные алгоритмы и эмпирически оцениваем их на реальных данных, касающихся использования веб-сайтов и содержащих порядка одного миллиона объектов. В итоге, на основе полученных экспериментальных результатов выбирается подходящий метод для решения поставленной задачи на используемых данных. Работа содержит 85 страниц, 3 главы, 33 рисунка, 2 таблицы, 143 источника и 4 приложения.