發(fā)布時(shí)間：2018-06-04 22:45

  本文選題：社交網(wǎng)絡(luò) + 異常用戶可信度　； 參考：《長(zhǎng)春理工大學(xué)》2017年碩士論文

【摘要】：近年來,識(shí)別異常用戶是社交網(wǎng)絡(luò)中安全領(lǐng)域的重點(diǎn)研究?jī)?nèi)容之一。為了識(shí)別社交網(wǎng)絡(luò)中的異常用戶,本文首先提出了基于用戶基本特征的異常用戶識(shí)別方法,該方法利用G-N社區(qū)發(fā)現(xiàn)算法將用戶分成孤立點(diǎn)和社區(qū)兩類,結(jié)合粗糙集的理論計(jì)算用戶的特征權(quán)重,依據(jù)特征權(quán)重計(jì)算有意義的特征信任值,結(jié)合特征權(quán)重和特征信任值計(jì)算用戶可信度,所得可信度可用以識(shí)別異常用戶。實(shí)驗(yàn)結(jié)果表明該方法隨著數(shù)據(jù)集增大識(shí)別性能越好且識(shí)別效率越高。其次提出了基于用戶間信任關(guān)系的異常用戶識(shí)別方法,該方法依據(jù)用戶間的信任關(guān)系特征計(jì)算信任關(guān)系度,引入衰減因子減少信任傳播中衰減因素,結(jié)合信任鏈傳播方式計(jì)算用戶信譽(yù)度,根據(jù)用戶信譽(yù)度判斷用戶類別。實(shí)驗(yàn)結(jié)果表明,該方法在已標(biāo)記的數(shù)據(jù)集較少與異常用戶數(shù)據(jù)比例不均衡兩種情況下識(shí)別性能均很好,較傳統(tǒng)的分類方法相比穩(wěn)定性強(qiáng)、精確率和效率高。
[Abstract]:In recent years, identifying abnormal users is one of the key research areas in the security field of social networks. In order to identify abnormal users in social networks, this paper first proposes an abnormal user recognition method based on the basic user characteristics. This method uses the G-N community discovery algorithm to divide users into two types of isolated points and communities, combined with rough sets. It calculates the user's characteristic weight, calculates the meaningful characteristic trust value according to the characteristic weight, and calculates the user's credibility with the feature weight and the characteristic trust value. The reliability can be used to identify the abnormal users. The experimental results show that the method is better and the recognition efficiency is higher with the increase of the data set. Secondly, the user is based on the user. An abnormal user recognition method for inter trust relations, which calculates trust relationship according to the trust relationship between users, introduces attenuation factors to reduce the attenuation factors in trust propagation, calculates user reputation by combining the trust chain propagation mode, and judges the user class according to the user reputation. The experimental results show that the method is marked in the number of users. According to the two cases that the number of data sets is less than that of the abnormal users, the recognition performance is very good. Compared with the traditional classification methods, the recognition performance is stable, accurate and efficient.
【學(xué)位授予單位】：長(zhǎng)春理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 文俊浩;何波;胡遠(yuǎn)鵬;;基于社交網(wǎng)絡(luò)用戶信任度的混合推薦算法研究[J];計(jì)算機(jī)科學(xué);2016年01期

2 張玉清;呂少卿;范丹;;在線社交網(wǎng)絡(luò)中異常帳號(hào)檢測(cè)方法研究[J];計(jì)算機(jī)學(xué)報(bào);2015年10期

3 李美子;向陽;張波;金波;;社會(huì)網(wǎng)絡(luò)中基于信任鏈的主題群組發(fā)現(xiàn)算法[J];計(jì)算機(jī)應(yīng)用;2015年01期

4 莫倩;楊珂;;網(wǎng)絡(luò)水軍識(shí)別研究[J];軟件學(xué)報(bào);2014年07期

5 柳玉;賁可榮;;基于屬性重要度的案例特征權(quán)重確定方法[J];計(jì)算機(jī)集成制造系統(tǒng);2012年06期

6 林山;項(xiàng)菲;;模糊決策表的一種改進(jìn)的屬性約簡(jiǎn)算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年26期

7 陶永才;薛正元;石磊;;基于MapReduce的貝葉斯垃圾郵件過濾機(jī)制[J];計(jì)算機(jī)應(yīng)用;2011年09期

8 姜寧,史忠植;文本聚類中的貝葉斯后驗(yàn)?zāi)Ｐ瓦x擇方法[J];計(jì)算機(jī)研究與發(fā)展;2002年05期

相關(guān)博士學(xué)位論文 前1條

1 丁軍;面向可信用戶和主題社區(qū)的社交網(wǎng)絡(luò)在線話題識(shí)別方法研究[D];華東理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前4條

1 杜芳華;基于半監(jiān)督學(xué)習(xí)的文本分類算法研究[D];北京工業(yè)大學(xué);2014年

2 王曉慧;微博僵尸用戶檢測(cè)研究[D];鄭州大學(xué);2014年

3 楊立文;基于改進(jìn)的GN算法的社區(qū)發(fā)現(xiàn)技術(shù)[D];吉林大學(xué);2012年

4 王清;社交網(wǎng)絡(luò)（SNS）廣告?zhèn)鞑パ芯縖D];陜西師范大學(xué);2012年

，

本文編號(hào)：1979155