ملخص
أصبح العالم بأجمعه منغمسًا في وسائل التواصل الاجتماعي رغم كل التهديدات التي تواجهه، وهذه التهديدات تختلف قوتها والهدف منها من شخص إلى آخر، وقد تندرج الأنماط غير الطبيعية والتي تعرف بالشذوذ او الانماط الشاذة تحت هذه التهديدات. وقد اتجهت العديد من الأبحاث لمحاولة الكشف عن الأنماط الشاذة وغير الشاذة بعدة طرق. تناولت هذه الدراسة تحدي كشف الأنماط الشاذة في الشبكات الاجتماعية الرقمية، باستخدام مجموعة بيانات Facebook Social Circles، اقترحنا إطار عمل يعتمد على تعلم الآلة ويستفيد من مقاييس الرسم البياني الهيكلية (مثل المركزية ومعاملات التجمع) لتحديد الشذوذ. تم إجراء تحليل مقارن شامل بين عشر خوارزميات مختلفة لتعلم الآلة، بما في ذلك اشجار القرار، والشبكات العصبية، وتعزيز التدرج (Gradient Boosting). أظهرت النتائج التجريبية أن نموذج شجرة القرار (Decision Tree) حقق دقة متميزة بلغت 98.50% مع مقياس F1 قدره 0.98. وبالإضافة إلى أدائه العالي، يوفر النموذج المقترح قابلية عالية للتفسير، مما يتيح فهماً واضحاً للمنطق الكامن وراء كشف الشذوذ. يخلص هذا البحث إلى أن الجمع بين الميزات القائمة على الرسم البياني ونماذج الذكاء الاصطناعي القابلة للتفسير يوفر حلاً قوياً وموثوقاً لتأمين بيئات وسائل التواصل الاجتماعي من الانماط الشاذة.