基于信任度排序的社交网络异常账户检测模型的分析

《基于信任度排序的社交网络异常账户检测模型的分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、上海交通大学硕士学位论文基于信任度排序的社交网络异常账户检测模型的研究硕士研究生：胡学韬学号：1110369047导师：陈秀真副教授申请学位：工程硕士学科：电子与通信工程所在单位：信息安全工程学院答辩日期：2014年1月授予学位单位：上海交通大学万方数据DissertationSubmittedtoShanghaiJiaoTongUniversityfortheDegreeofMasterRESEARCHOFDETECTINGABNORMALACCOUNTINONLINESOCIALNETWORKBASEDONTRUSTRANKandidate：XuetaoHuStudentID:111036

2、9047Supervisor：Prof.XiuzhenChenAcademicDegreeAppliedfor：MasterofEngineeringElectronicandCommunicationSpeciality：EngineeringSchoolofInformationSecurityAffiliation：EngineeringDateofDefence：Jan,2014Degree-Conferring-Institution：ShanghaiJiaoTongUniversity万方数据上海交通大学硕士学位论文基于信任度排序的社交网络异常账户检测模型的研究摘要社交网络是web

3、2.0时代兴起的一种网络服务，它将线下的社交活动拓展到线上，允许用户注册账户并在网络上进行交互。社交网络提倡良好的线上社交行为，但是依旧存在通过社交网络账户发布垃圾信息的情况。由于社交网络的开放性与即时性，这些垃圾信息能够迅速而广泛的传播，由垃圾信息传播而引发的负面事件也呈现出越发严重的趋势。因此，针对专门用于发布垃圾信息的异常账户进行识别与限制，对减少社交网络中的垃圾信息具有重要作用。本文的贡献在于将信任度的概念引入社交网络中，提出一种计算模型对社交网络账户信任度进行评估，从而根据评估结果对账户进行排序。同时，对社交网络账户间关系进行深入挖掘，对评估与排序结果进行修正。这种排序不仅可以用于检

4、测社交网络中的异常账户，也可以作为用户判断其他账户是否可信的依据。文章主要成果如下：1）提出基于账户特征与行为特征的社交网络账户信任度计算模型。论文在账户特征、行为特征方面提出多个能够用以区分异常账户的特征，引入粗糙集理论的属性约简方法进行特征提取，并提出一个基于数量分布的特征相似度评估方法，最后得到账户信任度的计算模型。2）对社交网络账户间关系与账户间交互行为进行深入挖掘，提出AccountRank算法对账户信任度进行修正，从而得到更加准确的结果。在社交网络中，被关注程度越高的账户越值得信任，与值得信任的账户交互越多的账户越值得信任。基于这个现象，本文参考著名的PageRank算法，根据社交

5、网络中账户间关系与账户交互行为的特点进行修改后得到AccountRank算法，对所得信任度进行修正。I万方数据上海交通大学硕士学位论文3）以新浪微博为实验对象，获取了大量真实的数据进行实验，以验证模型的有效性。实验结果显示，计算得到的账户信任度能够用于账户的信任排序，为用户判断账户的可信任程度提供有力依据。设定合理的阈值后，能够对异常账户进行自动检测。同时，利用账户间关系对上述结果进行修正后，相关指标都得到提升。关键词：社交网络，账户检测，信任度，粗糙集，排序II万方数据上海交通大学硕士学位论文RESEARCHOFTRUSTRANK-BASEDONLINESOCIALNETWORKFAKEAC

6、COUNTDETECTIONMODELABSTRACTOnlinesocialnetworkisakindofnetworkservicethatisbasedonweb2.0websites.Ithelpspeopleexpandingdailysocialactivitytoonlinenetwork,allowingtheusertoregisteranaccountandinteractwitheachotherinthenetwork.Thoughgoodbehaviorsarepromoted,thephenomenonstillexistthatgeneratingspammes

7、sagethroughtheonlinesocialnetworkaccount.Becausetheonlinesocialnetworkisopenandreal-time,thejunkinformationcanspreadquicklyandwidely.Asaresult,negativeeventscausedbythejunkinformationtendtobeworseandw