امروزه شبکه های اجتماعی برخط، وب سایت‎های محبوبی روی اینترنت هستند که میلیون ها نفر در آنها ثبت نام و اطلاعات شخصی خود را با دوستانشان به اشتراک می گذارند. به مرور زمان حجم عظیمی از داده ها، پیوندهای اجتماعی و آمارها راجع به کاربران توسط سرویس های شبکه های اجتماعی گردآوری شده و این شبکه ها را به یک معدن دیجیتال از داده های آماری متنوع تبدیل کرده اند. در این میان تهدیدات حریم خصوصی و آشکار شدن اطلاعات شخصی افراد، یکی از مهمترین نگرانی های کاربران شبکه های اجتماعی است. علاوه بر انتشار روزافزون اطلاعات، به تازگی حملاتی به نام حملات شبیه سازی هویت روی بستر شبکه های اجتماعی شناسایی شده اند. در این حملات، مهاجم تلاش می کند تا هویتی جعلی از روی هویت یک کاربر واقعی بسازد با این امید که دوستان کاربر، اعتبار هویت جعلی را بپذیرند و با او پیوندهای اجتماعی برقرار کنند. هدف از این کار دسترسی به اطلاعات خصوصی دوستان کاربر قربانی است که در پروفایل های عمومی شان منتشر نمی کنند. در شبکه های اجتماعی امروزی، تعدادی سرویس های اعتبارسنجی هویت وجود دارند که اعتبار هویت کاربران را ارزیابی می کنند، با این وجود سرویس های فعالی نبوده و تنها برای کاربرانی که با مشکلات هویت برخط آشنایی دارند، مفید می باشد. در این پایان نامه با معرفی جزئیات حملات شبیه سازی هویت تلاش شده است تا روشی نوین و دقیق برای شناسایی این نوع هویت های جعلی در شبکه های اجتماعی برخط ارائه شود. در روش پیشنهادی ابتدا ساختار شبکه اجتماعی به شکل یک گراف نمایش داده می شود، سپس این گراف برحسب شباهت های میان کاربران به جوامع کوچکتر تقسیم می شود. در ادامه، با استفاده از اطلاعات کاربر واقعی تمامی پروفایل های مشابه با پروفایل او )از درون جامعه ای که به آن تعلق دارد)، گردآوردی می شوند. پس از گردآوری پروفایل ها، استحکام رابطه (میان تمامی پروفایل های یافت شده و پروفایل واقعی) محاسبه شده و پروفایل هایی که کمترین استحکام رابطه را دارند به ترتیب توسط سیستم دوستان مشترک اعتبارسنجی می شوند. در نهایت لیست پروفایل های شبیه سازی شده موجود به کاربر قربانی اعلام شده و او بایستی هشدار های لازم مبنی بر وجود هویت جعلی را به دوستان خود ارسال کند. در این مطالعه به منظور ارزیابی کارایی روش پیشنهادی، تمامی مراحل بر روی یک مجموعه داده ای از شبکه اجتماعی facebook اعمال شده و در انتها مقایسه ای میان این روش با روش های مشابه قبلی با بررسی روی همان مجموعه داده ای صورت می گیرد.