基于行為分析的社交網(wǎng)絡(luò)異常賬號(hào)的檢測(cè).pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，社交網(wǎng)絡(luò)平臺(tái)（以下簡(jiǎn)稱“社交平臺(tái)”）逐漸成為日常生活中重要的社交工具。社交平臺(tái)的類型、內(nèi)容豐富多樣，覆蓋了社會(huì)上各類階層的用戶群體，一些流行且影響力較大的社交網(wǎng)絡(luò)平臺(tái)吸引了億萬(wàn)用戶注冊(cè)登錄使用。社交平臺(tái)在某些方面給予了用戶極大的便利，比如減少了用戶間溝通空間與時(shí)間的距離，但是社交平臺(tái)存儲(chǔ)的巨量用戶信息也成為了不法分子或者利益集團(tuán)的目標(biāo)，特別是針對(duì)社交平臺(tái)存在的各類的異常賬號(hào)進(jìn)行惡意地發(fā)布或轉(zhuǎn)發(fā)不良信息，給社會(huì)和公眾造成

2、了極大的損害。針對(duì)此種情況，社交平臺(tái)需通過(guò)主動(dòng)、定時(shí)的檢測(cè)平臺(tái)的用戶行為數(shù)據(jù)，對(duì)異常賬戶判定和處理，將具有極其重要的作用與意義。
　　本文在梳理了國(guó)內(nèi)外社交網(wǎng)絡(luò)用戶行為分析相關(guān)成果的基礎(chǔ)上，選擇了新浪微博數(shù)據(jù)作為數(shù)據(jù)信息來(lái)源，利用隱馬爾可夫過(guò)程對(duì)異常用戶進(jìn)行建模與檢測(cè)，并對(duì)檢測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。
　　首先，通過(guò)論證與對(duì)比，選擇利用網(wǎng)絡(luò)爬蟲(chóng)技術(shù)對(duì)新浪微博的用戶行為數(shù)據(jù)進(jìn)行了采集、處理，基于鏈接的網(wǎng)頁(yè)分析算法，設(shè)計(jì)微博信息爬取技

3、術(shù)框架，應(yīng)用Python語(yǔ)言及MySQL數(shù)據(jù)庫(kù)技術(shù)，通過(guò)獲取微博URL地址、建立用戶列表、自動(dòng)登錄微博，實(shí)現(xiàn)抓取微博信息。根據(jù)數(shù)據(jù)用戶賬號(hào)的特征，對(duì)數(shù)據(jù)進(jìn)行了分析。
　　然后遴選隱馬爾可夫模型作為社交網(wǎng)絡(luò)平臺(tái)用戶行為分析模型。提出并創(chuàng)建了基于隱馬爾可夫過(guò)程的對(duì)社交網(wǎng)絡(luò)異常用戶行為進(jìn)行檢測(cè)的模型。通過(guò)獲取的新浪微博數(shù)據(jù)對(duì)該模型進(jìn)行訓(xùn)練，得到訓(xùn)練模型參數(shù)，利用模型進(jìn)行用戶行為的檢測(cè)，對(duì)微博異常用戶進(jìn)行檢測(cè)與判定，通過(guò)不同的可觀察序列對(duì)

4、隱變量狀態(tài)最大概率路徑進(jìn)行計(jì)算與判定，從而從數(shù)據(jù)集分辯出正常和異常用戶。并對(duì)檢測(cè)數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)特性分析，實(shí)驗(yàn)證實(shí)該模型可有效檢測(cè)出微博數(shù)據(jù)的異常賬號(hào)。
　　根據(jù)微博用戶行為特征，選擇微博特定特征的虛假粉絲，對(duì)隱馬爾可夫模型進(jìn)行訓(xùn)練，并進(jìn)行虛假粉絲的檢測(cè)，實(shí)驗(yàn)表明該模型可有效檢測(cè)出社交網(wǎng)絡(luò)微博用戶具有特定特征的虛假粉絲賬號(hào)，證實(shí)基于隱馬爾可夫過(guò)程的具有特定特征的虛假粉絲賬號(hào)正確檢測(cè)概率要大于通常意義下異常賬號(hào)正確檢測(cè)概率。