基于弱監(jiān)督學習的社交網(wǎng)絡(luò)虛假用戶檢測技術(shù)研究.pdf

1、進入移動互聯(lián)網(wǎng)時代，不同生活背景的人通過社交網(wǎng)絡(luò)平臺獲取、加工、傳播信息，與其他用戶建立虛擬的社交關(guān)系，使得社交網(wǎng)絡(luò)服務(wù)在近幾年受到了非常廣泛的應(yīng)用。然而，在線社交網(wǎng)絡(luò)蓬勃發(fā)展的同時，也吸引了很多攻擊者的目光。社交網(wǎng)絡(luò)攻擊者，通常稱為虛假用戶、網(wǎng)絡(luò)水軍，通過在網(wǎng)絡(luò)中傳播垃圾信息來達到商業(yè)目的，虛假用戶的出現(xiàn)對社交網(wǎng)絡(luò)產(chǎn)生了嚴重的負面影響，動搖了社交網(wǎng)絡(luò)的安全性和穩(wěn)定性。社交網(wǎng)絡(luò)中的虛假用戶數(shù)量龐大、行為多樣且復雜性高，這使得社交網(wǎng)絡(luò)中的

2、虛假用戶比傳統(tǒng)媒體服務(wù)中的虛假用戶更難檢測。
　　目前已存在的社交網(wǎng)絡(luò)虛假用戶檢測方法可以分為有監(jiān)督和無監(jiān)督兩種方式，監(jiān)督型檢測方法存在標簽數(shù)據(jù)匱乏的問題，無監(jiān)督的檢測方法存在準確率低、魯棒性差的問題。本文針對已有方法存在的問題，結(jié)合國內(nèi)外研究現(xiàn)狀，綜合考慮用戶在社交網(wǎng)絡(luò)中的屬性、行為、文本內(nèi)容、社交關(guān)系等信息，結(jié)合弱監(jiān)督學習，提出了基于雙層采樣主動學習的社交網(wǎng)絡(luò)虛假用戶檢測方法和基于多視圖協(xié)同訓練的社交網(wǎng)絡(luò)虛假用戶檢測方法。在多

3、個真實數(shù)據(jù)集上的實驗結(jié)果說明本文方法能夠使用極少量的標簽數(shù)據(jù)，達到和監(jiān)督型檢測方法相同，甚至更好的準確率和召回率。
　　本文的主要工作包括：
　　①針對社交網(wǎng)絡(luò)虛假用戶檢測問題中的標簽用戶不足的問題，提出一種基于代表性和多樣性的雙層采樣主動學習檢測模型。該模型改進了傳統(tǒng)的容易選出離群點、產(chǎn)生信息冗余的主動學習采樣策略，引入樣本代表性提高分類模型對無標簽數(shù)據(jù)集的覆蓋率，使用聚類算法評估樣本集合的多樣性。
　?、趥鹘y(tǒng)基于用