论文部分内容阅读
近年来,识别异常用户是社交网络中安全领域的重点研究内容之一。为了识别社交网络中的异常用户,本文首先提出了基于用户基本特征的异常用户识别方法,该方法利用G-N社区发现算法将用户分成孤立点和社区两类,结合粗糙集的理论计算用户的特征权重,依据特征权重计算有意义的特征信任值,结合特征权重和特征信任值计算用户可信度,所得可信度可用以识别异常用户。实验结果表明该方法随着数据集增大识别性能越好且识别效率越高。其次提出了基于用户间信任关系的异常用户识别方法,该方法依据用户间的信任关系特征计算信任关系度,引入衰减因子减少信任传播中衰减因素,结合信任链传播方式计算用户信誉度,根据用户信誉度判断用户类别。实验结果表明,该方法在已标记的数据集较少与异常用户数据比例不均衡两种情况下识别性能均很好,较传统的分类方法相比稳定性强、精确率和效率高。