在线社交网络恶意网址检测

《在线社交网络恶意网址检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ＴＰ３９３８３分类号；单位代码：１０１研巧生学号：２（Ｕ３日３２００１密级：公开古林大学硕古学位论文学术学化（）在线社交网络恶意网址检测ＤｅｔｅｃｔｉｏｎｏｆＭａｌｉｃｉｏｕｓＵＲＬｓｉｎＯｎｌｉｎｅＳｏｃｉａｌＮｅｔｗｏｒｋｓ作者姓名：曹健专业：计算机系统结构研究方向：网络安全指导教师；李强副教授培养单位：计算机科学与技术学院２０１６年４月未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人

2、，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则应承，担侵权的法律责任。吉林大学硕±学位论文原创性声明，本人郑重声明：所呈交的硕古学位论文是本人在指导教师的指导下，独立进行硏究工作所取得的成果。除文中己经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研巧做出重要贡献的个人和集体，均己在文中明确方式标明。本人完全意识到本声明的法律结果由本人承

3、担。学位论文作者签名：率乳＇曰期：２０１６年Ｊ月巧曰在线社交网络恶意网址检测DetectionofMaliciousURLsinOnlineSocialNetworks作者姓名：曹健专业名称：计算机系统结构指导教师：李强副教授学位类别：工学硕士答辩日期：2016年ϱ月Ϯϱ日摘要摘要在线社交网络恶意网址检测在线社交网络已经成为人们熟悉的交流平台，例如Facebook、Twitter、以及新浪微博等。与此同时，其开放性也引起了攻击者的关注。攻击者尝试利用社交网络平台传播和隐藏包含恶意网址

4、的消息，间接对用户隐私安全构成威胁。为了解决在线社交网络上存在的恶意网址问题，研究学者、安全机构不断提出了对应的解决方案；主要包括消息中恶意网址检测以及spammer检测两个方向。当前大部分检测社交消息中恶意网址的解决方法是采用机器学习策略。此类方法会基于不同种类的特征集合，训练并构建检测器。不过，大部分现有工作中采取的特征主要是基于常规消息、以及账户特征等，与社交网络平台的特性并不相关。对于spammer检测，现有工作主要是针对社交网络中单一用户节点进行检测，而且，部分算法过度依赖于用户之间的社

5、交网络关系。此类检测方法多会造成对同一用户的重复检测，并且不能有效的、一次性地清除采取策略潜藏的spammer团体。因此，有必要通过消息传播路径，将spammer与其发送的消息统一起来共同考虑。同时，利用消息相关联的用户的可疑程度，也能够在有限次数内将潜藏的spammer团体有效清除。本文针对社交消息中恶意网址检测方向，提出了基于消息转发的特征集合，并依此类特征设计了恶意网址检测器。转发行为是消息传播的主要途径，能够促进消息在社交网络平台上实时、快速的传播。为了验证检测器的性能，我们收集了大约有1

6、00000条初始新浪微博消息，作为转发行为分析与研究的数据样本。经过训练以及检测器性能测试，该分类器的准确率为83.21%，而误报率为10.3%。为了验证提出的转发特征集的有效性，通过构建不包含此类特征的检测器，并与先前所设计检测器进行对比实验，其结果充分说明了基于消息转发行为特征在社交网络恶意网址检测研究上的有效性。针对spammer检测方向，本文引入了消息转发树，通过消息传播路径，将账户与其发送的消息统一结合起来。采用此方法，有利于解决社交网络中采用策略进行潜藏的spammer团体问题。首先，

7、分析并总结了基于消息转发树的6个特征，分别是消息转发树层级、传播范围、重复转发行为、传播速度、以及消息转发树的权值均值。其次，通过机器学习策略，对此类特征集合矩阵进行训练并生成检测器。实验结果表明，该检测器的准确率高达95.3%，而误报率仅为0.5%。最后，对参与训练的特征集合进行特征影响度排名，结果表明基于消息转发树的特征都位居前列。同时，提出并采用了基于转发特征以及消息转发树的概念，在此领域尚属首例，对同类工作有借鉴意义。I 摘要关键词：在线社交网络，恶意网址，转发行为，消息转发树II Abs

8、tractAbstractDetectionofMaliciousURLsinOnlineSocialNetworksInrecentyears,onlinesocialnetworks(OSNs),suchasFacebook,TwitterandSinaWeibo,havebecomeextremelypopularamongInternetusers.Unfortunately,attackersalsoutilizethemtohidemaliciousattacks.Du