【摘要】：隨著互聯(lián)網(wǎng)的發(fā)展,社交網(wǎng)絡(luò)已經(jīng)滲透到人們生活、學(xué)習(xí)、工作、娛樂的各個(gè)方面,網(wǎng)絡(luò)的多元化趨勢(shì)使信息的傳播方式越來越豐富。社交網(wǎng)絡(luò)不僅將線下的社交活動(dòng)拓展到線上,使得彼此間交流更為方便,用戶更是可以通過社交平臺(tái)展示自己以及獲得熱門資訊和自己感興趣的話題。然而,為了獲取利益,一些惡意用戶正是利用社交網(wǎng)絡(luò)平臺(tái)的優(yōu)越性傳播一些惡意信息,如色情內(nèi)容、垃圾廣告、網(wǎng)絡(luò)釣魚等。這些惡意用戶通過虛假賬號(hào)或盜用正常用戶賬號(hào)的方式傳播大量惡意消息,這種惡意行為嚴(yán)重影響了用戶的上網(wǎng)體驗(yàn)以及用戶的信息財(cái)產(chǎn)安全。如今,異常用戶的泛濫已經(jīng)成為社交媒體服務(wù)行業(yè)面臨的一個(gè)嚴(yán)重問題。因此,社交網(wǎng)絡(luò)的異常用戶檢測(cè)問題一直都是這些年來學(xué)者及商業(yè)界研究的熱門領(lǐng)域。本文以新浪微博社交網(wǎng)絡(luò)平臺(tái)為研究對(duì)象,展開了對(duì)新浪微博平臺(tái)異常用戶檢測(cè)的研究,主要完成了以下三方面工作,其理論方法亦適用于其它社交網(wǎng)絡(luò)平臺(tái)。(1)結(jié)合本文的研究目的,為了獲得理想的實(shí)驗(yàn)數(shù)據(jù)源,我們利用Scrapy爬蟲框架分別設(shè)計(jì)了針對(duì)正常微博用戶和異常微博用戶的個(gè)性化網(wǎng)絡(luò)爬蟲系統(tǒng),實(shí)現(xiàn)了對(duì)用戶的微博內(nèi)容、用戶信息、用戶關(guān)系等數(shù)據(jù)的高效采集并實(shí)時(shí)導(dǎo)入MongoDB數(shù)據(jù)庫中,并利用異常用戶評(píng)判標(biāo)準(zhǔn)構(gòu)建異常用戶檢測(cè)實(shí)驗(yàn)數(shù)據(jù)集。(2)本文通過探究新浪微博正常用戶與異常用戶的用戶信息特征、行為特征,對(duì)正常用戶與異常用戶的數(shù)據(jù)進(jìn)行深入分析,并結(jié)合領(lǐng)域知識(shí)提取新的特征,按需求進(jìn)行特征提取、數(shù)據(jù)格式化等數(shù)據(jù)預(yù)處理操作。利用特征選擇算法將所有特征按等級(jí)排序找出影響異常用戶檢測(cè)結(jié)果的重要因子,構(gòu)建基于用戶特征的異常用戶檢測(cè)模型,將加權(quán)投票的隨機(jī)森林算法作為訓(xùn)練和檢測(cè)模型,并將該模型與其他算法進(jìn)行對(duì)比分析。(3)隨機(jī)森林模型中參數(shù)的選取對(duì)模型性能的影響至關(guān)重要,傳統(tǒng)的方法通常根據(jù)經(jīng)驗(yàn)值來選取參數(shù),無法確定是否達(dá)到實(shí)驗(yàn)的理想效果,為了確定模型的最優(yōu)參數(shù),我們引入標(biāo)準(zhǔn)粒子群算法(SPSO)來對(duì)模型的參數(shù)進(jìn)行優(yōu)化,構(gòu)造基于SPSO優(yōu)化的加權(quán)投票隨機(jī)森林異常用戶檢測(cè)模型,使模型的檢測(cè)性能得到顯著提升。
【圖文】：

戶數(shù)量吸引了許多為謀取利益的攻擊者[7-10]關(guān)注。攻擊者通過創(chuàng)建大量虛假賬正常賬戶（統(tǒng)稱異常賬戶）來向用戶發(fā)送虛假廣告、釣魚、色情、詐騙等不良惡意行為嚴(yán)重影響了用戶的上網(wǎng)體驗(yàn)以及用戶的信息財(cái)產(chǎn)安全。由于社交網(wǎng)絡(luò)用戶許多社交功能，用戶間可以建立朋友關(guān)系，而且發(fā)布的信息具有公開性，網(wǎng)絡(luò)中的不良信息比傳統(tǒng)的垃圾郵件信息更具威脅性。就新浪微博社交平臺(tái)來通過惡意點(diǎn)贊、關(guān)注、評(píng)論、發(fā)送惡意鏈接等方式獲取利益。如圖 1.1 所示，戶通過提供惡意訪問、關(guān)注等非正常的微博服務(wù)來獲取利益�，F(xiàn)如今購物網(wǎng)站直接搜索到提供這種服務(wù)的店鋪，但仍可以通過地下市場(chǎng)購買到這種服務(wù)，這社交網(wǎng)站中用戶的社交關(guān)系以及網(wǎng)站的信用體系。Thomas[11]發(fā)現(xiàn)，異常用戶一社交互動(dòng)，但會(huì)發(fā)送大量的好友請(qǐng)求，并在一些熱門微博下發(fā)表垃圾內(nèi)容以吸的注意。針對(duì)目前社交網(wǎng)絡(luò)的異常賬戶檢測(cè)技術(shù)，攻擊者也會(huì)不斷的更新攻擊隱藏身份等各種手段躲避被檢測(cè)到的可能。這一現(xiàn)象給社交網(wǎng)絡(luò)異常用戶檢測(cè)極大的挑戰(zhàn)，學(xué)術(shù)界及工業(yè)界需要不斷的改善異常用戶的檢測(cè)技術(shù)以應(yīng)對(duì)異常攻擊模式。因此，社交網(wǎng)絡(luò)的異常用戶檢測(cè)技術(shù)需要隨著攻擊者攻擊方式的改新，一直是信息安全領(lǐng)域研究的技術(shù)難題。

廣西師范大學(xué) 2019 屆碩士研究生學(xué)位論文整理網(wǎng)絡(luò)顯示，目前新浪微博的用戶數(shù)量已經(jīng)超過了 5 億[5]�；ヂ�(lián)網(wǎng)站中其訪問熱度排在前 20 位[4]，且每天的訪網(wǎng)站和 Twitter 很類似，用戶能夠發(fā)布不多于 140 字符的話題，也可以給其他任何用戶發(fā)送聊天消息，并且類軟件有好友權(quán)限的限制。被關(guān)注的用戶在收到關(guān)注略或者關(guān)注對(duì)方，互相關(guān)注的用戶便成為了微博好友名 ID，用戶分享的動(dòng)態(tài)信息會(huì)自動(dòng)呈現(xiàn)在好友或者粉他人的方式獲得感興趣話題的最新資訊。圖 3.1 描述 A 關(guān)注 B，B 和 C 是互相關(guān)注的關(guān)系。
【學(xué)位授予單位】：廣西師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.1;TP393.092

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王超瓊;陳s，

本文編號(hào)：2692251