基于弱監(jiān)督學(xué)習(xí)的社交網(wǎng)絡(luò)虛假用戶檢測(cè)技術(shù)研究.pdf

1、進(jìn)入移動(dòng)互聯(lián)網(wǎng)時(shí)代，不同生活背景的人通過(guò)社交網(wǎng)絡(luò)平臺(tái)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(shí)，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(guò)在網(wǎng)絡(luò)中傳播垃圾信息來(lái)達(dá)到商業(yè)目的，虛假用戶的出現(xiàn)對(duì)社交網(wǎng)絡(luò)產(chǎn)生了嚴(yán)重的負(fù)面影響，動(dòng)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(fù)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(cè)。
　　目前已存在的社交網(wǎng)絡(luò)虛假用戶檢測(cè)方法可以分為有監(jiān)督和無(wú)監(jiān)督兩種方式，監(jiān)督型檢測(cè)方法存在標(biāo)簽數(shù)據(jù)匱乏的問(wèn)題，無(wú)監(jiān)督的檢測(cè)方法存在準(zhǔn)確率低、魯棒性差的問(wèn)題。本文針對(duì)已有方法存在的問(wèn)題，結(jié)合國(guó)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(xué)習(xí)，提出了基于雙層采樣主動(dòng)學(xué)習(xí)的社交網(wǎng)絡(luò)虛假用戶檢測(cè)方法和基于多視圖協(xié)同訓(xùn)練的社交網(wǎng)絡(luò)虛假用戶檢測(cè)方法。在多

3、個(gè)真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果說(shuō)明本文方法能夠使用極少量的標(biāo)簽數(shù)據(jù)，達(dá)到和監(jiān)督型檢測(cè)方法相同，甚至更好的準(zhǔn)確率和召回率。
　　本文的主要工作包括：
　?、籴槍?duì)社交網(wǎng)絡(luò)虛假用戶檢測(cè)問(wèn)題中的標(biāo)簽用戶不足的問(wèn)題，提出一種基于代表性和多樣性的雙層采樣主動(dòng)學(xué)習(xí)檢測(cè)模型。該模型改進(jìn)了傳統(tǒng)的容易選出離群點(diǎn)、產(chǎn)生信息冗余的主動(dòng)學(xué)習(xí)采樣策略，引入樣本代表性提高分類模型對(duì)無(wú)標(biāo)簽數(shù)據(jù)集的覆蓋率，使用聚類算法評(píng)估樣本集合的多樣性。
　?、趥鹘y(tǒng)基于用