Developing a protective - preventive and machine learning based model on child abuse
Yükleniyor...
Dosyalar
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Ticaret Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
ÖZET Çevrimiçi çocuk istismarı, toplumlarda giderek artan bir sorundur ve sanal ortamda geçirilen süre son zamanlarda büyük ölçüde artmaya başlamıştır. Bireyler kişisel gönderileri ile kendi fikirlerini paylaşırken ve çevrimiçi sohbetin bir parçası olurken, anonim olabilme imkanina sahiptir. Bu seçenek ise yasa dışı faaliyetlere teşebbüs etmek isteyenler için kişisel kimliği gizleme şansını da beraberinde getirmektedir. Çevrimiçi platformlarda cinsel istismar, yukarıda belirtilen eylemlerin en önemli alanlarından biridir ve cinsel saldırganlar, güvenlerini kazanmak ve müstehcen medya dosyalarını paylaşmalarını sağlamak için çocuklarla veya gençlerle hızlı bir şekilde arkadaşça bir ilişki kurabilecekleri çevrimiçi sohbet platformlarını kolayca kullanabilmektedir. Bu cinsel saldırganlar çoğunlukla kurbanlarını buluşmaya ikna etmeye çalışırlar ve bu, çocuklarla ve gençlerle cinsel ilişkiye girmelerine yol açabilmektedir. Çoğu toplumun karşılaştığı büyük zorluğa dikkat çekmek için, bu çalışma esas olarak çevrimiçi iletişimin erken aşamasındaki çocuk istismarcılarını tespit etmeyi amaçlamaktadır. Makine Öğrenimi tekniklerini kullanarak sanal sohbet kayıtları aracılığıyla çocuklara yönelik cinsel istismarı hedefleyenlerin bulunmasına dayalı bu çalışmanın ilk bölümünde, bir Wikipedia veri seti kullanılarak, yüzde 97'in üzerinde doğrulukla, belirli bir metnin toksisite türlerine göre sınıflandırıldığı çok etiketli bir sınıflandırma yapılması sağlandı. Bu çalışmanın sonucu ikinci aşamada da kullanılmıştır ve PAN12 veri seti ile modelimizin eğitilmesinin ardından yüzde 92'den fazla doğruluk oranıyla sohbet kayıtlarından şüpheli konuşmalar tespit edilebilmiş ve cinsel saldırganlar tanınabilmiştir. Anahtar Kelimeler: Çevrimiçi cinsel istismarcı teşhisi, çocuk istismarı tespiti, çok etiketli metin sınıflandırma, makine öğrenmesi ABSTRACT Online grooming is an ever-increasing problem in societies and the time spent online is recently started to rise drastically. People can become anonymous whilst posting, sharing his/her own opinion, and being a part of online chatting. Option to be anonymous also brings together the chance for hiding personal identity when making an attempt on illegal activities. Online grooming is one of the significant areas of aforementioned actions and sexual predators can easily use online chatting platforms to quickly build a friendly relationship with children or teenagers to gain their trust and make them share their obscene media files. These sexual predators mostly try to convince their victims to meet and it may lead to having sexual intercourse with a minor. In order to draw attention to the huge challenge that most societies face, this study mainly aims to identify predators in the early stage of online communication. The objective is to do an investigation to detect child grooming through online chat records by using Machine Learning techniques. In the first part of the study, it has been achieved to make a multi-label classification on a Wikipedia dataset with more than 97 percent accuracy, where a given text gets classified based on the toxicity types. The outcome of this work is also used in the second stage and herein PAN12 dataset has been used to train and test our model. We have ended up with more than 92 percent accuracy, where suspicious conversation messages from the chat records get identified and sexual predators can be recognized. Keywords: Child abuse detection, machine learning, multi-label text classification, online sexual predator identification İçindekiler CONTENTS . i ABSTRACT . iii ÖZET . iv ACKNOWLEDGEMENTS . v FIGURES . vi TABLES . viii SYMBOLS AND ABBREVIATIONS . ix 1. INTRODUCTION . 1 1. 1. Motivation . 1 1. 2. Scope . 3 1. 3. Goals . 3 1. 4. Disclaimer . 3 1. 5. Outline . 3 2. LITERATURE REVIEW . 5 2. 1. Online Child Abuse . 5 2. 2. Related Work . 5 2. 3. Terminology Overview . 8 2. 4. Types of Machine Learning Models . 10 2. 4. 1. Supervised learning . 11 2. 4. 1. 1. SVM . 11 2. 4. 1. 2. Naive bayes . 12 2. 4. 1. 3. Logistic regression . 13 2. 4. 1. 4. K-nearest neighbors . 13 2. 4. 1. 5. AdaBoost . 14 2. 4. 2. Unsupervised learning . 15 2. 4. 3. Semi-supervised learning . 16 2. 4. 4. Reinforcement learning . 16 2. 5. Evaluation Metrics . . 16 3. METHODOLOGY . 23 3. 1. Data Gathering . 23 3. 2. Exploratory Data Analysis . 24 3. 2. 1. Data pre-filtering and pre-processing . 24 3. 2. 1. 1. Toxic comment classification . 24 3. 2. 1. 2 Sexual predator identification . 28 3. 3. Data Labeling . 30 3. 4. Building Classification Model . 31 3. 4. 1. Encoding text data for machine learning . 31 3. 4. 1. 1. Bag-of-words (BoW) . 31 3. 4. 1. 1. TF - IDF . 31 3. 5. Classification . 32 3. 5. 1. Pseudocodes for classification models . 32 3. 5. 1. 1. Pseudocode for toxic comment classification model . 33 3. 4. 1. 2. Pseudocode for sexual predator identification model . 33 3. 5. 2. Performance measurement of machine learning classifiers . 34 4. RESEARCH FINDINGS AND DISCUSSION . 35 5. CONCLUSION AND SUGGESSTIONS . 60 5. 1. Future Work . 61 REFERENCES . 62 APPENDICES . 64 Appendix A. Toxic Comment Classification . 65 Appendix B. Sexual Predator Identification . 72 APPENDIX C. Other Attachments . 74 CURRICULUM VITAE . 76
Açıklama
Tez (Yüksek Lisans) -- İstanbul Ticaret Üniversitesi -- Kaynakça var.
Anahtar Kelimeler
Application software, Uygulama yazılımı, Artificial intelligence, Yapay zeka, Data mining, Veri madenciliği, Database management, Veri tabanı yönetimi, Victims of crimes, Suç kurbanları, Bilgi saklama ve geri alma sistemleri, Information storage and retrieval, Örüntü tanıma sistemleri, Pattern recognition systems
