社交媒體系統(tǒng)為人們提供了便利的共享、交流和協(xié)作平臺。人們在享受社交媒體的開放性和便利性時,可能會發(fā)生許多惡意行為,例如欺凌、恐怖襲擊計劃和欺詐信息傳播。因此,盡可能準確、及早地發(fā)現(xiàn)這些異常活動,以防止災難和襲擊,是非常重要的。近年來,隨著在線社交網(wǎng)絡(luò)（OSN）如Twitter,Facebook,Google+,LinkedIN等的成功,豐厚的利益資源使得它們成為了攻擊者的目標。社交網(wǎng)絡(luò)的開放性,使其特別容易受到異常賬號攻擊的威脅。現(xiàn)有基于圖形的最先進分類模型大多使用首先為圖的邊分配權(quán)重,在加權(quán)圖中迭代地傳播節(jié)點的信譽分數(shù),并使用最終的后驗分數(shù)來對節(jié)點進行分類的方法。邊權(quán)重的分配是其中一項重要的任務,此參數(shù)將直接影響檢測結(jié)果的準確度。為此,文中針對社交媒體中異常賬號的檢測任務,分析了基于社交圖全局結(jié)構(gòu)的方法,通過在成對馬爾可夫隨機場模型中改進邊權(quán)重的計算方法,使其能夠在迭代過程中自適應優(yōu)化,提出了準確度更高的GANG+LW,GANG+LOGW和GANG+PLOGW算法。這3種算法使用了不同的改進邊權(quán)重的方法。實驗證明,新提出的方法相對于基本的成對馬爾可夫隨機場模型,可取得更準確的異常賬號... 

【文章頁數(shù)】：5 頁

【文章目錄】：
1 引言
2 相關(guān)研究
    1)基于局部特征的方法:
    2)基于全局結(jié)構(gòu)的方法:
3 改進邊權(quán)重的馬爾可夫隨機場模型
    3.1 定義
    3.2 基本GANG算法
    3.3 改進邊權(quán)重的方法
4 實驗及結(jié)果分析
    4.1 數(shù)據(jù)集
    4.2 結(jié)果分析
結(jié)束語



本文編號：3662643