关注社交异配性的社交机器人检测框架

作     者：余尚戎 肖景博 殷琪林 卢伟 YU Shangrong;XIAO Jingbo;YIN Qilin;LU Wei

作者机构：中山大学计算机学院广州510006 中山大学信息技术教育部重点实验室广州510006 广东省信息安全技术重点实验室广州510006 

出 版 物：《信息网络安全》 (Netinfo Security)

年 卷 期：2024年第24卷第2期

页      面：319-327页

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金[U2001202 62072480]。 

主　　题：社交机器人检测 同配性与异配性 图神经网络 

摘      要：随着社交机器人的迭代,其倾向于与正常用户进行更多交互,对其检测变得更具挑战性。现有检测方法大多基于同配性假设,由于忽视了不同类用户间存在的联系,难以保持良好的检测性能。针对这一问题文章提出一种关注社交异配性的社交机器人检测框架,以社交网络用户间的联系为依据,通过充分挖掘用户社交信息来应对异配影响,并实现更精准的检测。文章分别在同配视角和异配视角下看待用户之间的联系,将社交网络构建为图,通过消息传递机制实现同配边和异配边聚合,以提取节点的频率特征,同时利用图中各节点特征聚合得到社交环境特征,将以上特征混合后用于检测。实验结果表明,文章所提方法在开源数据集上的检测效果优于基线方法,证明了该方法的有效性。