隨著互聯(lián)網(wǎng)和Web2.0的快速發(fā)展,在線社交媒體已滲透到幾乎所有的生活領(lǐng)域,包括教育、醫(yī)療、娛樂(lè)、商業(yè)等。然而,在帶給人們各種便利的同時(shí),在線社交媒體也成為試圖執(zhí)行非法活動(dòng)并對(duì)其他用戶造成危害的惡意用戶的主要目標(biāo),因此針對(duì)這類惡意行為的異常用戶檢測(cè)技術(shù)已成為在線社交媒體安全研究的關(guān)鍵問(wèn)題之一。在線社交媒體每天都具有動(dòng)態(tài)實(shí)時(shí)性,而在以往的工作中針對(duì)動(dòng)態(tài)社交媒體異常檢測(cè)的研究較少,另外這些研究只考慮非加權(quán)或者無(wú)向網(wǎng)絡(luò),本文的主要研究?jī)?nèi)容聚焦于動(dòng)態(tài)社交媒體異常用戶檢測(cè),基于現(xiàn)有的異常檢測(cè)方法,分別針對(duì)社交媒體中的異常個(gè)體用戶和異常群體用戶提出兩種改進(jìn)的異常檢測(cè)算法。針對(duì)社交媒體中異常個(gè)體用戶的檢測(cè),現(xiàn)有算法只能用于分析無(wú)向加權(quán)圖,無(wú)法解決將用戶交互狀態(tài)映射成有向加權(quán)圖模型的異常檢測(cè)問(wèn)題,因此本文在現(xiàn)有算法的基礎(chǔ)上提出一種改進(jìn)的基于自我網(wǎng)絡(luò)結(jié)構(gòu)演化的異常個(gè)體用戶檢測(cè)算法。本算法將一個(gè)動(dòng)態(tài)社交媒體映射成一組有向加權(quán)圖序列。通過(guò)比較時(shí)序上相鄰的兩個(gè)圖中的節(jié)點(diǎn)、有向邊以及權(quán)重的變化情況,篩選出可疑的異常節(jié)點(diǎn)集合。通過(guò)分析節(jié)點(diǎn)之間的結(jié)構(gòu)連通性和親密度傳遞性構(gòu)建可疑異常節(jié)點(diǎn)集合中所有節(jié)點(diǎn)的核心網(wǎng)。最后通... 

【文章來(lái)源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

中國(guó)網(wǎng)民和手機(jī)網(wǎng)民規(guī)模的發(fā)展?fàn)顩r

第 1 章 緒論欺詐性信息傳播甚至恐怖主義攻擊計(jì)劃[5]-[7]。此外不法分子通常批量注冊(cè)賬號(hào)，如 Facebook 中存在的虛假用戶數(shù)量大約已經(jīng)占到其用戶總量的 中的虛假用戶數(shù)量占比也已經(jīng)達(dá)到 5%[8]，不法分子會(huì)利用這些虛假用戶廣告信息、釣魚網(wǎng)站以及色情鏈接等惡意消息[9]-[10]，如 Twitter 中用戶發(fā)布量平均每天大約增加 300 多萬(wàn)條[11]，同時(shí)不法分子還可以通過(guò)這些虛假用贊[12]、批量互相關(guān)注[13]以及批量添加或刪除好友[14]等方式謀取利益。另外以通過(guò)盜取其他正常用戶賬號(hào)的手段進(jìn)行非法活動(dòng)，因?yàn)樯缃幻襟w中同一戶通常彼此存在信任關(guān)系，所以一旦這些用戶賬號(hào)被不法分子盜取，通過(guò)的虛假消息就會(huì)被快速傳播，從而擴(kuò)大了虛假消息的危害范圍。此類惡意到合法用戶的個(gè)人隱私、用戶賬號(hào)的安全性、用戶之間的信任度以及用戶因此針對(duì)這類惡意行為的異常用戶檢測(cè)已成為在社交媒體安全研究的關(guān)鍵

圖 2.1 超圖示例 S 等人[38],[39]使用空間自相關(guān)檢測(cè)局部空間異常值，由于該方法圖中定義的鄰域，因此將其歸類為基于圖的方法。該算法將任度（Spatial Local Outlier Measure,以下簡(jiǎn)稱 SLOM）定義為 d ( o o 與其鄰居之間的距離，β 表示振蕩參數(shù)。SLOM 通過(guò)使用d 用β 捕獲空間異方差（非常數(shù)方差）。然而由于高維數(shù)據(jù)沒(méi)有述方法不能處理高維數(shù)據(jù)。于動(dòng)態(tài)圖的異常個(gè)體用戶檢測(cè)交媒體用戶狀態(tài)無(wú)時(shí)無(wú)刻都在變化，用戶的異常特征可能會(huì)隨，因此針對(duì)動(dòng)態(tài)環(huán)境下的異常檢測(cè)越來(lái)越受到研究人員的關(guān)注交媒體可以表示為時(shí)間序列圖，通常的做法是根據(jù)圖或圖的子incombe B[40]使用一系列的圖拓?fù)渚嚯x度量來(lái)量化兩個(gè)連續(xù)快照、頂點(diǎn)和直徑等。對(duì)于這些圖拓?fù)渚嚯x度量中的每一個(gè)，通

【參考文獻(xiàn)】：
期刊論文
[1]針對(duì)行為特征的社交網(wǎng)絡(luò)異常用戶檢測(cè)方法[J]. 王鵬,宋艷紅,李松江,楊華民,邱寧佳.  計(jì)算機(jī)應(yīng)用. 2017(S2)
[2]在線社交網(wǎng)絡(luò)中異常帳號(hào)檢測(cè)方法研究[J]. 張玉清,呂少卿,范丹.  計(jì)算機(jī)學(xué)報(bào). 2015(10)



本文編號(hào)：3051564