检索结果-南通市图书馆

基于自适应差异化图卷积的社交网络新增恶意用户检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用研究 2023年第9期40卷 2820-2825页

作者：吴正昊曾国荪同济大学计算机科学及技术系上海201804 嵌入式系统与服务计算教育部重点实验室上海201804

社交网络新增恶意用户检测作为一项分类任务,一直面临着数据样本不足、恶意用户标注稀少的问题。在数据有限的情况下,为了能够精确地检测出恶意用户,提出一种基于自适应差异化图卷积网络的检测方法。该方法通过提取社交网络中的用户特... 详细信息

社交网络新增恶意用户检测作为一项分类任务,一直面临着数据样本不足、恶意用户标注稀少的问题。在数据有限的情况下,为了能够精确地检测出恶意用户,提出一种基于自适应差异化图卷积网络的检测方法。该方法通过提取社交网络中的用户特征和社交关系构建社交网络图。构建社交网络图后,计算节点与邻居的相似度,并对邻居进行优先级排序,利用优先级顺序采样关键邻居。关键邻居的特征通过自适应权重的加权平均方式聚合到节点自身,以此更新节点特征。特征更新后的节点通过特征降维和归一化计算得到恶意值,利用恶意值判断用户的恶意性。实验表明该方法和其他方法相比,具有更高的恶意用户查全率和整体查准率,并且能够快速地完成对新增用户的检测,证明了自适应差异化图卷积网络能够有效捕捉到少量样本的关键特征。

关键词：社交网络用户分类机器学习图神经网络恶意用户

在线全文

学校读者我要写书评

暂无评论

基于行为特征的APP恶意用户检测研究

基于行为特征的APP恶意用户检测研究

作者：甘书语华东师范大学

学位级别：硕士

APP运营机构实行的积分激励催生了蓄意从中获利的团体,即恶意用户。恶意用户通过人工方式或者技术手段操纵网络信息内容,获取违法收益,严重破坏了互联网经济市场的秩序,不仅对APP的运营方带来了极大的损失,也损害了正常用户的利益。当前... 详细信息

APP运营机构实行的积分激励催生了蓄意从中获利的团体,即恶意用户。恶意用户通过人工方式或者技术手段操纵网络信息内容,获取违法收益,严重破坏了互联网经济市场的秩序,不仅对APP的运营方带来了极大的损失,也损害了正常用户的利益。当前,在实际工作以及研究中的恶意用户识别主要是从网络流量、用户设备、用户固有属性等静态角度进行的分析,对于APP用户行为数据的利用还不够充分。鉴于APP用户行为数据的高维度、时序性和无监督的特点,本文提出一种检测恶意用户的策略。该方案包含了数据预处理、用户行为序列特征构建、PCA降维和无监督异常检测三个关键步骤。在用户行为特征的特征构建方面,利用马尔可夫矩阵将用户的点击行为序列转换成点击转移矩阵,拉直后聚类以形成新的特征,并结合时间窗口构建用户的活跃度特征和获利性特征。最后,对3种无监督异常检测技术进行测试,实验结果表明,i Forest算法具有最优的检测效果,并且在增加了用户点击行为特征和PCA降维后,该算法在ROC和Precision@rank n的表现上均有所提升,表明i Forest算法对于更多的特征和更少的噪声具有较好的鲁棒性,以及在利用i Forest作为异常检测算法的方案中,进行降维和加入用户点击行为特征能为检测效果带来较大提升。通过该恶意用户识别策略,可协助APP运营方更为全面、合理、准确地识别恶意用户。本研究的创新点在于,采用用户行为数据集作为识别的基础,在用户固有属性等静态角度的数据基础上,从动态的角度补充用户行为路径、用户偏好等特征,从而更全面地对恶意用户进行分析。

关键词：恶意用户异常检测用户行为

认知无线电网络抗恶意用户节能协作频谱感知策略

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

系统工程与电子技术 2017年第6期39卷 1347-1357页

作者：任晓岳陈长兴空军工程大学理学院陕西西安710051

针对当前认知无线电网络协作频谱感知策略存在能量消耗过大且未考虑恶意用户存在及通信链路中断的问题,提出一种基于信誉管理系统的节能协作频谱感知策略。首先对系统信誉值和感知报告总数的表达式进行推导分析,建立感知策略模型,对恶... 详细信息

针对当前认知无线电网络协作频谱感知策略存在能量消耗过大且未考虑恶意用户存在及通信链路中断的问题,提出一种基于信誉管理系统的节能协作频谱感知策略。首先对系统信誉值和感知报告总数的表达式进行推导分析,建立感知策略模型,对恶意用户进行有效抑制。进一步提出策略对应的虚警和漏检概率估计方法及其闭合表达式,深入分析通信链路中断带来的影响。最后仿真结果表明,在达到相同检测目标情况下,提出的节能策略所需感知报告数量较传统策略更少,有效降低了能量消耗。感知性能在通信链路存在中断情况下受到的影响更小。

关键词：认知无线电网络恶意用户节能频谱感知

在线全文

学校读者我要写书评

暂无评论

感知无线电网络中改进的恶意用户检测算法

信息与控制 2016年第1期45卷 94-100页

作者：徐春绵四平职业大学计算机工程学院吉林四平136002

协作式感知可以提升感知精度,但也可能使系统暴露于可能存在的恶意用户的危险之下,甚至会有恶意用户对网络发起拒绝服务攻击.为此给出了一种新的检测算法——恶意用户检测算法(malicious users detection algorithm,MUDA).首先,通过感... 详细信息

协作式感知可以提升感知精度,但也可能使系统暴露于可能存在的恶意用户的危险之下,甚至会有恶意用户对网络发起拒绝服务攻击.为此给出了一种新的检测算法——恶意用户检测算法(malicious users detection algorithm,MUDA).首先,通过感知服务器对次要用户进行多种感知测试,根据接收到的被测节点的信号强度估计该节点是否为恶意节点.然后,采取主动传输策略,提高其检测精度并降低其开销.最后,将其与当前算法进行性能对比,对比结果表明MUDA在提高精度的同时将感知操作导致的吞吐量损失降低了65%.

关键词：感知无线电网络协作式感知主动传输恶意用户精度吞吐量

在线全文

学校读者我要写书评

暂无评论

基于行为特征分析的微博恶意用户识别

计算机科学 2018年第12期45卷 111-116页

作者：夏崇欢李华康孙国梓南京邮电大学计算机学院软件学院南京210003

近年来,社交网络数据挖掘作为物理网络空间数据挖掘的一大热点,目前在用户行为分析、兴趣识别、产品推荐等方面都取得了令人可喜的成果。随着社交网络商业契机的到来,出现了很多恶意用户及恶意行为,给数据挖掘的效果产生了极大的影响。... 详细信息

近年来,社交网络数据挖掘作为物理网络空间数据挖掘的一大热点,目前在用户行为分析、兴趣识别、产品推荐等方面都取得了令人可喜的成果。随着社交网络商业契机的到来,出现了很多恶意用户及恶意行为,给数据挖掘的效果产生了极大的影响。基于此,提出基于用户行为特征分析的恶意用户识别方法,该方法引入主成分分析方法对微博网络用户行为数据进行挖掘,对各维度特征的权重进行排序,选取前六维主成分特征可以有效识别恶意用户,主成分特征之间拟合出的新特征也能提升系统的识别性能。实验结果表明,引入的方法对微博用户特征进行了有效的排序,很好地识别出了微博社交网络中的恶意用户,为其他方向的社交网络数据挖掘提供了良好的数据清洗技术。

关键词：恶意用户机器学习微博主成分分析法(PCA) 特征提取

基于复合分类模型的社交网络恶意用户识别方法

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2012年第12期29卷 1-5,17页

作者：谈磊连一峰陈恺中国科学院软件研究所信息安全国家重点实验室北京100190 中国科学院研究生院信息安全国家重点实验室北京100049 信息安全共性技术国家工程研究中心北京100190 信息网络安全公安部重点实验室(公安部第三研究所) 上海201204

社交网络近年发展迅速,微博类社交网络的用户数目及规模急剧增大的同时也带来了诸多安全问题,为了保护用户的隐私和个人、集体的利益,需要针对这些恶意行为进行识别并对恶意用户进行处理。提出一种采用复合分类模型对用户进行分类的方法... 详细信息

社交网络近年发展迅速,微博类社交网络的用户数目及规模急剧增大的同时也带来了诸多安全问题,为了保护用户的隐私和个人、集体的利益,需要针对这些恶意行为进行识别并对恶意用户进行处理。提出一种采用复合分类模型对用户进行分类的方法,并开发了一个对微博类社交网络用户进行分类的系统。通过研究用户的属性和行为特点,比较属性间的相关性,从两方面兼顾了分类的准确性和效率。

关键词：新浪微博社交网络自动分类特征选择恶意用户

云环境下融合恶意用户过滤机制的信誉评估方法

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2017年第12期38卷 2724-2728页

作者：胡玉琦房小温张付志燕山大学信息科学与工程学院河北秦皇岛066004 河北省计算机虚拟技术与系统集成重点实验室河北秦皇岛066004

针对云服务供应商和云用户实体双方交互过程中提供虚假或恶意信息的问题,提出了一种融合恶意用户过滤机制的信誉评估方法.首先,运用统计过程控制理论中改进的指数加权滑动平均方法对目标云服务有过反馈评级的用户进行检测,并过滤恶意用... 详细信息

针对云服务供应商和云用户实体双方交互过程中提供虚假或恶意信息的问题,提出了一种融合恶意用户过滤机制的信誉评估方法.首先,运用统计过程控制理论中改进的指数加权滑动平均方法对目标云服务有过反馈评级的用户进行检测,并过滤恶意用户;然后,在目标云服务的信誉计算过程中,利用多数共识理论和反馈相似度确立良性用户反馈评分的聚合权重,以提高信誉计算的准确性;最后,用户根据云服务供应商的服务和信誉情况与其进行协商,屏蔽掉信誉较低的云服务,从而确定最后的交互对象.实验结果表明,本文提出的方法不仅能够有效防止云用户的欺诈行为,而且能够杜绝云供应商的不诚信行为,使服务中心能够将信誉好的云服务推荐给用户.

关键词：云计算信誉评估 EWMA控制图反馈相似度恶意用户

在线全文

学校读者我要写书评

暂无评论

微博恶意用户识别方法的研究

微博恶意用户识别方法的研究

作者：李自豪北京交通大学

学位级别：硕士

随着互联网的飞速发展,以Twitter、Facebook为代表的社交网络也得到了迅猛发展,社交网络逐渐成为现代人生活中不可或缺的一部分。在国内,最具代表性的社交网络是微博,它扮演的角色早已超越单纯的社交,已然成为一个信息的集中扩散中心。... 详细信息

随着互联网的飞速发展,以Twitter、Facebook为代表的社交网络也得到了迅猛发展,社交网络逐渐成为现代人生活中不可或缺的一部分。在国内,最具代表性的社交网络是微博,它扮演的角色早已超越单纯的社交,已然成为一个信息的集中扩散中心。同时,微博被恶意用户所利用。这些用户以庞大的数量传播着虚假信息、恶意信息,影响人们对事件的看法。因此,对反恶意用户的研究具有重要的现实意义,其中恶意用户识别技术就是一个重要的研究热点。本论文以新浪微博用户为对象,重点研究微博网络中恶意用户识别的问题。论文的研究工作得到了国家自然科学基金项目(No.61271308、61172072、61401015)与北京市教育委员会研究生学科建设项目的支持论文的主要工作包括:论文从恶意用户特征入手,依据微博的功能特性以及用户的使用习惯,分析并发现了对于微博中的"收藏"功能,恶意用户与正常用户的使用习惯有着较大的差别。因此,本文将"收藏数量"及"收藏速度"加入到特征列表,验证其对于恶意用户识别效果的贡献度。论文使用Weka Java API对Weka中的算法进行调用及参数调优,针对用户信息缺失的情况,分别对比了朴素贝叶斯算法、C4.5决策树、随机森林三种算法在处理缺失数据前后的分类效果。分析对比得出的结论是:在数据存在缺失的情况下,C4.5决策树与随机森林算法都有较好的鲁棒性,尤其是随机森林算法效果更佳。论文还对实际的使用情况进行了模拟实现,研究了在需要处理较大规模的数据时如何提高恶意用户识别算法的效率。通过部署Hadoop分布式架构,分别对比了不同节点数对不同大小数据集的处理时间,及恶意用户的识别效果。论文从用户特征的角度分析恶意用户与正常用户的差异,并根据这些特征选取合适的分类算法对恶意用户进行识别,识别准确率接近90%。

关键词：微博恶意用户机器学习随机森林算法 Hadoop

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于SOM神经网络的恶意用户检测算法研究

基于SOM神经网络的恶意用户检测算法研究

作者：程之序东南大学

学位级别：硕士

本学位论文的工作基于国家自然科学基金项目“移动认知无线电关键技术研究”(No.61271207)和“认知无线电传感网络关键技术研究” (No.61372104),研究目标为利用机器学习算法解决协作频谱感知中的恶意用户检测问题,主要内容为基于SOM神... 详细信息

本学位论文的工作基于国家自然科学基金项目“移动认知无线电关键技术研究”(No.61271207)和“认知无线电传感网络关键技术研究” (No.61372104),研究目标为利用机器学习算法解决协作频谱感知中的恶意用户检测问题,主要内容为基于SOM神经网络提出相应的恶意用户检测算法,并在该算法的基础上进行改进,从而提高恶意用户的检测效果,为传统的识别算法提供一些新的思路。目前,机器学习在各领域都有了广泛的研究,成为时下最热门的领域之一。考虑到认知无线电中传统的恶意用户检测算法大多已趋于完善,本文尝试利用神经网络中的一种常用算法——SOM神经网络来解决恶意用户检测问题。首先,本文提出了一种基于SOM神经网络的恶意用户检测算法,并在该算法的基础上提出了“可疑度”概念。基于传统SOM算法存在的问题,本文在“可疑度”的基础上进一步提出了“平均可疑度”算法,并将检测结果与传统检测算法的结果进行了比较。此外,本文构建了一种基于核SOM算法的有监督SOM神经网络模型,设计了相应的分类算法,并用于解决根据已知的用户数据及类型判断某次级用户是否为恶意用户的问题。仿真结果表明,该算法具有良好的分类效果。全文共分为五章,各章节的主要内容为:第一章介绍了课题的研究背景及研究意义,概述了协作频谱感知中的恶意用户检测问题,分析了传统的恶意用户检测算法,同时给出了本论文的章节安排。第二章介绍了神经网络的基本概念,分析了 SOM神经网络的基本原理及应用,包括参数初始化、训练方法与评价准则。并介绍了核函数的基本原理及应用。第三章利用传统SOM神经网络的基本方法,提出了一种基于“平均可疑度”的恶意用户检测算法,并与传统的检测算法进行了比较。第四章针对次级用户的数据分类问题,构建了一种基于核SOM算法的有监督SOM神经网络并提出了相应的分类算法,利用测试集和训练集进行了验证。第五章总结了本学位论文的研究工作,并指出了进一步的研究方向。

关键词：恶意用户 SOM神经网络可疑度核函数有监督机器学习