【摘要】：電子商務(wù)平臺和社交網(wǎng)絡(luò)平臺的蓬勃發(fā)展,用戶越來越借助于各類評論信息作出決策,這導(dǎo)致虛假和欺詐信息大量出現(xiàn),發(fā)布虛假評論和欺詐信息的人通常被稱為惡意用戶。近年來,惡意用戶檢測已經(jīng)成為學(xué)術(shù)界和工業(yè)界關(guān)注的熱點問題。由于電子商務(wù)平臺數(shù)據(jù)類型豐富,如評分、評論內(nèi)容、發(fā)布評論時間等,主流的檢測方法依托上述數(shù)據(jù)構(gòu)建行為特征,再利用機器學(xué)習(xí)方法訓(xùn)練分類器。然而,社交網(wǎng)絡(luò)以交互關(guān)系數(shù)據(jù)為主,數(shù)據(jù)類型相對匱乏,因此,社交網(wǎng)絡(luò)的惡意用戶檢測需要“依賴于關(guān)系數(shù)據(jù)但獨立于內(nèi)容數(shù)據(jù)”的檢測框架。已有的研究嘗試從交互關(guān)系上定義復(fù)雜網(wǎng)絡(luò)特征(如度、K-Core、Page Rank、連通分量等)及交互序列特征,隱含在多關(guān)系網(wǎng)絡(luò)中的深層次語義信息未能獲得充分利用。有鑒于此,本文的研究旨在充分挖掘隱含在異質(zhì)關(guān)系網(wǎng)絡(luò)中的深層次語義信息,從而定義出基于關(guān)系網(wǎng)絡(luò)數(shù)據(jù)的一系列行為特征及隱特征。以真實社交網(wǎng)絡(luò)Tagged.com多關(guān)系數(shù)據(jù)集為支撐,本文主要進(jìn)行了以下兩個方面的研究:1.基于非內(nèi)容數(shù)據(jù),充分挖掘隱含在異質(zhì)關(guān)系網(wǎng)絡(luò)中的深層次語義信息,從而定義出基于關(guān)系網(wǎng)絡(luò)數(shù)據(jù)的一系列行為特征指標(biāo)。由于Tagged數(shù)據(jù)集中沒有公開發(fā)布關(guān)系屬性對應(yīng)的關(guān)系類型名稱,所以我們首先根據(jù)數(shù)據(jù)集中關(guān)系屬性的數(shù)據(jù)特征,結(jié)合Tagged.com網(wǎng)站實際公布的關(guān)系類型的特點,分析推測出各個關(guān)系屬性對應(yīng)的實際關(guān)系類型名稱。接著,在各個關(guān)系上,結(jié)合實際關(guān)系類型意義,對比分析惡意用戶和正常用戶的行為模式差異,并基于非文本的數(shù)據(jù)信息,如活躍時間段、發(fā)送/接受比例、發(fā)送后得到回復(fù)的比例等,定義出符合關(guān)系網(wǎng)絡(luò)數(shù)據(jù)特性的一系列行為特征指標(biāo)。最后,依托于數(shù)據(jù)集中提供的每個用戶的真實標(biāo)記信息驗證了特征指標(biāo)在表征惡意用戶與正常用戶行為差異中的有效性。2.提出了一種新的“發(fā)送-接收”角色分離的圖嵌入模型用于抽取和融合異質(zhì)關(guān)系上的隱特征。首先用點代表用戶,邊代表用戶間發(fā)生的關(guān)系在一個共享的嵌入空間中構(gòu)建圖。其次,提取各關(guān)系上發(fā)送方到接收方的交互次數(shù)做為交互向量,接著構(gòu)建發(fā)送方特征矩陣與接收方用戶特征矩陣,并以點積表示用戶-用戶交互向量,以這兩種向量的差異性來擬合概率矩陣分解模型,并加入約束條件防止優(yōu)化過程中的過擬合問題。最后通過多關(guān)系拼接方法獲取每個用戶在多關(guān)系社交網(wǎng)絡(luò)中的隱特征。交叉驗證的結(jié)果顯示,本文提出的模型所提取的隱特征,對多關(guān)系社交網(wǎng)絡(luò)中惡意用戶的檢測性能有顯著貢獻(xiàn)。
【圖文】：

圖 3.1 特征 FOTD 的 CDF 曲線 展示了針對假設(shè) H1a 提出的特征 FOTD 的 CDF 曲線，聊天時“發(fā)送信息”的一階時間差分值（以秒為單位，，將近 80%的正常用戶會在給某用戶發(fā)送完一條信息信息，也就是說正常用戶會相對集中的在一段時間內(nèi)與

與電郵、電子商務(wù)等平臺不同，社交網(wǎng)絡(luò)平臺更注重多元化發(fā)展，用戶之間可以通過多種多樣的形式達(dá)到溝通交流的目的。這種多樣化的交互關(guān)系也給了社交網(wǎng)絡(luò)中的惡意用戶可乘之機。圖4.1通過一個具有三種交互關(guān)系（“發(fā)送信息”、“舉報用戶”和“送禮物”）的社交網(wǎng)絡(luò)示例清晰地說明了關(guān)系間潛在聯(lián)系的重要性。圖 4.1 多關(guān)系間潛在聯(lián)系的重要性示例圖具體的來說，在“發(fā)送消息”（message）這個關(guān)系上，一個向很多用戶發(fā)送信息廣撒網(wǎng)的用戶有很大的可能性是惡意用戶；在“送禮物”（sendgift）這個關(guān)系上，若一個用戶收到過來自其他用戶送出的禮物，那么他有很大可能是正常用message messagemessagemessagemessagemessagemessagemessagesend giftsend giftblockblockblockblockuser iuser jSuspicious user who have sent many messages
【學(xué)位授予單位】：南京財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP18;TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

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

2 伍之昂;王有權(quán);曹杰;;推薦系統(tǒng)托攻擊模型與檢測技術(shù)[J];科學(xué)通報;2014年07期

3 伍之昂;莊毅;王有權(quán);曹杰;;基于特征選擇的推薦系統(tǒng)托攻擊檢測算法[J];電子學(xué)報;2012年08期

4 邱云飛;王建坤;邵良杉;劉大有;;基于用戶行為的產(chǎn)品垃圾評論者檢測研究[J];計算機工程;2012年11期

5 趙妍妍;秦兵;劉挺;;文本情感分析[J];軟件學(xué)報;2010年08期

6 江峰;杜軍威;眭躍飛;曹存根;;基于邊界和距離的離群點檢測[J];電子學(xué)報;2010年03期

7 陳志賢;;垃圾郵件過濾技術(shù)研究綜述[J];計算機應(yīng)用研究;2009年05期

本文編號：2679084