Usually, binary Sybil/non-Sybil cla

Usually, binary Sybil/non-Sybil classifiers have
high false positives; thus, manual inspection
needs to be involved in the decision process for
suspending an account. SybilRank [20] aims to
efficiently derive a Sybil-likelihood ranking; only
the most suspicious accounts need to be inspected
manually. It is based on efficiently computable
early-terminated RWs and is suitable for
parallel implementation on a framework such as
Map Reduce, uncovering Sybils in OSNs with
millions of accounts. SybilRank is deployed and
tested in the operation center of Tuenti, which is
the largest OSN in Spain with 11 million users.
Almost 100 and 90 percent of the 50K and 200K
accounts, which SybilRank regards as the most
suspicious, are indeed fake. In contrast, the hit
rate of the current user-report-based approach is
only 5 percent. Thus, SybilRank represents a significant
step toward practical Sybil defense.

ผลลัพธ์ (ไทย) 1:

มักจะแยกแยะซีบิลไบนารี / ไม่ Sybil มี
บวกเท็จสูงดังนั้นการตรวจสอบคู่มือ
ความต้องการที่จะมีส่วนร่วมในกระบวนการตัดสินใจในการระงับบัญชี
sybilrank [20] มีเป้าหมายที่จะได้รับมาอย่างมีประสิทธิภาพ
การจัดอันดับความน่าจะเป็นซีบิล-; เพียง
บัญชีที่น่าสงสัยมากที่สุดจะต้องมีการตรวจสอบด้วยตนเอง
มันขึ้นอยู่กับ RWS ต้นสิ้นสุดคำนวณได้อย่างมีประสิทธิภาพ
และเหมาะสำหรับ
การดำเนินการคู่ขนานกับกรอบเช่น
แผนที่ลดการเปิดโปง sybils ใน OSNs ด้วย
ล้านบัญชี sybilrank จะใช้งานและ
ทดสอบในศูนย์การดำเนินงานของ Tuenti ซึ่งเป็น
OSN ที่ใหญ่ที่สุดในสเปนกับ 11 ล้านคน.
เกือบ 100 และ 90 เปอร์เซ็นต์ของ 50k และ 200k
บัญชีซึ่งเป็นเรื่องที่เกี่ยวกับ sybilrank ที่น่าสงสัยมากที่สุด
เป็น แน่นอนปลอม ในทางตรงกันข้ามตี
อัตราการใช้วิธีการรายงานตามปัจจุบัน
เพียงร้อยละ 5 จึงแสดงให้เห็นถึง sybilrank
ขั้นตอนที่มีความสำคัญต่อการป้องกันซีบิลปฏิบัติ

ผลลัพธ์ (ไทย) 2:

ปกติ คำนามภาษา Sybil/ไม่-Sybil ไบนารีมี
ทำงานผิดสูงผิดพลาด ตรวจสอบด้วยตนเองดังนั้น
ต้องมีส่วนร่วมในกระบวนการตัดสินใจสำหรับ
ระงับบัญชี SybilRank [20] มีวัตถุประสงค์เพื่อ
ได้อย่างมีประสิทธิภาพได้รับการจัดอันดับ Sybil โอกาส เฉพาะ
บัญชีน่าสงสัยมากที่สุดถูกต้อง
ด้วยตนเอง โดยมีประสิทธิภาพ computable
ต้นจบ RWs และเหมาะสำหรับ
แบบขนานบริเวณกรอบเช่น
แผนที่ลด เปิดเจอทุ่นระเบิด Sybils ใน OSNs กับ
ล้านบัญชี SybilRank การจัดวาง และ
ทดสอบในการดำเนินงานศูนย์ของ Tuenti ซึ่งเป็น
OSN ที่ใหญ่ที่สุดในสเปนกับ 11 ล้านผู้ใช้.
เกือบ 100 และ 90 เปอร์เซ็นต์ของ 50K และ 200K
บัญชี ซึ่ง SybilRank ถือเป็นที่สุด
สงสัย มีปลอมแน่นอน ในทางตรงข้าม การตี
อัตราของผู้ใช้รายงานตามวิธีปัจจุบัน
5 เปอร์เซ็นต์เท่านั้น ดังนั้น SybilRank แทนสำคัญ
ขั้นตอนปฏิบัติ Sybil ป้องกัน

ผลลัพธ์ (ไทย) 3:

โดยปกติแล้ว classifiers / non - ซีบิลซีบิลไบนารีมี
ซึ่งจะช่วยแจ้งเตือนที่ผิดพลาดการแจ้งเตือนสูงดังนั้นการตรวจสอบคู่มือ
ซึ่งจะช่วยตอบสนองความต้องการในการมีส่วนร่วมในกระบวนการพิจารณาของ
ซึ่งจะช่วยให้การพักบัญชี sybilrank [ 20 ]มีความมุ่งมั่นที่จะได้รับการจัดอันดับซีบิล - โอกาส

ซึ่งจะช่วยได้อย่างมี ประสิทธิภาพ มากที่สุดเพียงบัญชีที่น่าสงสัยที่ต้องมีการตรวจสอบเพื่อให้ได้
ด้วยตนเอง โรงแรมคือที่ใช้ rws ได้อย่างมี ประสิทธิภาพ คำนวณได้
ช่วงต้น - ปลายและเหมาะสำหรับ
การนำไปใช้งานแบบคู่ขนานบนกรอบเช่น
แผนที่ลดรุนแรง sybils ใน osns พร้อมด้วย
ซึ่งจะช่วยหลายล้านคนของบัญชี sybilrank คือนำไปใช้งานได้รับการทดสอบแล้วและ
ซึ่งจะช่วยในการทำงานของศูนย์ tuenti ซึ่งเป็น
osn มีขนาดใหญ่ที่สุดในประเทศสเปนพร้อมด้วย 11 ล้านบาทผู้ใช้.
เกือบ 100 และ 90% ของ 50 K และ 200 K
sybilrank บัญชีซึ่งเป็นเรื่องที่น่าสงสัยมากที่สุด
ซึ่งจะช่วยจริงๆปลอม. ในความเปรียบต่างที่ได้ตอบแทน
อัตราการใช้รายงานปัจจุบันที่ใช้อยู่
เพียงร้อยละ 5 ดังนั้น sybilrank เป็นขั้นตอนสำคัญ
ซึ่งจะช่วยให้ทางการป้องกันซีบิลในทางปฏิบัติ