امروزه، شبکه های اجتماعی آنلاین مانند فیسبوک، لینکداین، توییتر و ...از محبوب ترین برنامه های کاربردی اینترنتی به شمارمی آیند. یکی از مهمترین فعالیت های کاربران در شبکه های اجتماعی، ارسال و همچنین مشاهده پست ها می باشد. اما متاسفانهاسپمرها نیز از طریق ارسال پست می توانند به اهداف خود نظیر دسترسی به اطلاعات شخصی کاربران، انتشار ویروس و ...دستیابند. تاکنون روشهای متعددی به این منظور ارائه شده اند که مبتنی بر الگوریتم های یادگیری ماشین و داده کاوی می باشند. امااین روش ها از مشکلاتی همچون پایین بودن نرخ تشخیص و نیز بالا بودن نرخ مثبت کاذب رنج می برند. بنابراین با درنظرگرفتنویژگی های سیستم ایمنی مصنوعی و کارایی بالای آن در مساله تشخیص، تصمیم گرفتیم در این پژوهش از این سیستم درتشخیص اسپم استفاده نماییم. علاوهبر کاربرد نتایج این تحقیق در بهبود تشخیص پست های اسپم، نتایج تحقیق می تواند درمسائل تشخیصی مشابه همچون مساله تشخیص ایمیل های اسپم، تشخیص ویروس، تشخیص و فیلترینگ Pop up، تشخیص و فیلترینگ پیام های کوتاه مزاحم و ...نیز کاربرد داشته باشد. فرضیه های تحقیق، شامل چگونگی افزایش نرخ تشخیص پست هایاسپم و کاهش نرخ مثبت کاذب در شناسایی این پست ها در شبکه های اجتماعی با استفاده از مفاهیم سیستم ایمنی می باشد.برای انجام آزمایش های ارزیابی دو مجموعه داده مورداستفاده قرار گرفته است: مجموعه داده شناسایی اسپمرها در توییتر به عنوانمجموعه داده آموزشی با اندازه کوچک و مجموعه داده تشخیص اتوماسیون اسپمرها در توییتر به عنوان مجموعه داده آزمایشی.الگوریتم پیشنهادی در مقایسه با کارهای پیشین انجام شده در این زمینه، دارای کارایی بیشتری می باشد. این روش به طورمیانگین از دقت برابر با 0.975 و در بهترین حالت دقت برابر با 0.98 و میزان Recall برابر با 0.96 برخوردار می باشد.