[发明专利]一种面向微博的异常用户和消息同时检测方法

说明书

技术领域

本发明属于互联网信息安全管理领域，具体涉及一种面向微博的异常用户和消息同时检测方法。

背景技术

随着Twitter的快速流行，我国的新浪微博、腾讯微博等快速崛起。我国的微博用户超过3个亿，每天发布的大量的微博消息。微博已经深入融入到人民的生活当中。

微博具有快速的消息推送机制，使得消息在微博平台中快速传播，产生巨大的影响力。国内外有大量的研究针对Twitter进行，而新浪微博作为国内最流行的微博平台，其发布的内容主题、用户行为等与Twitter差别较大，因此国内需要进一步对其进行深入研究。

新浪微博平台中每天有大量的活跃用户和消息内容。然而，微博成为日常的社交平台的同时，平台本身、政府等对安全管理的难度逐渐增大。一些用户为了特定的目的，发布大量的异常消息。例如微博中包含大量的营销账号、僵尸粉丝等，他们经常发布大量的广告消息、促销活动消息等。一些用户为了特定的目的，通过水军、营销账号等集体推动某些消息快速广泛传播，获取巨大利益等。如何检测异常的用户和消息是微博安全管理急需解决的问题之一。

目前针对异常用户的检测，提出了一些检测算法。主要从用户的特征属性、用户发布消息的内容属性和行为属性方面进行研究，很少涉及异常单条消息的检测。传统的异常检测方法在检测异常用户和消息时，通常单独进行处理。但是，随着异常用户的智能性越来越高，很多异常的用户很难检测，异常消息就更难检测。针对异常消息检测时，大多数都是基于以下假设进行研究：异常用户发布的消息为异常消息，正常用户发布的消息为正常消息。显然该假设针对智能异常用户已经失效。例如异常用户为了逃避新浪微博本身的检测，通常情况下发布大量的正常消息，而只有在特定的情况下才发布异常消息。

在异常用户的智能性越来越高的背景下，我们抓住微博中用户和消息两类最重要的实体，从交互行为分析出发，提出了一种面向微博的异常用户和消息同时检测方法。

发明内容

本发明的目的在于提供一种提高异常检测准确率的面向微博的异常用户和消息同时检测方法。

本发明的目的是这样实现的：

面向微博的异常用户和消息同时检测方法，包括以下步骤：

(1)数据预处理；

(2)交互提取及建模；

(3)基于同质交互的异质交互矩阵度量学习；

(4)异质交互矩阵三分解；

(5)基于先验知识的异常用户和消息识别。

数据预处理的步骤为：

(1.1)用户消息排序及数据选择，根据用户发布消息时间对消息进行排序，选择用户最新的消息作为实验数据集；

(1.2)用户特征形式化和消息内容形式化：将用户的粉丝数和关注数形式化为一个特征向量，将消息内容中的链接、图片、标签、提及等形式化为消息内容属性向量。

交互提取及建模的步骤为：

(2.1)交互提取，分别提取同质交互：关注和转发，异质交互：评论、发布、提及；

(2.2)交互关系建模，将提取的交互关系采用二部图进行建模。

基于同质交互的异构交互矩阵度量学习的步骤为：

(3.1)用户相似性和相异性关系度量，根据用户特征向量计算用户的异常值，在此基础上，计算任意两个用户之间的相似性和相异性值，构建用户的相似性和相异性矩阵；

(3.2)消息相似性和相异性关系度量，根据消息属性向量计算消息的异常值，并结合用户的异常值，计算任意两条消息之间的相似性和相异性值，构建消息的相似性和相异性矩阵；

(3.3)关系距离度量学习，在距离度量学习的基础上，通过用户和消息的相似性和相异性矩阵学习新的异质交互矩阵。

异质交互矩阵三分解为非负矩阵三分解，采用乘法更新迭代求解。

基于先验知识的异常用户和消息识别的步骤为：

(5.1)基于先验知识的异常用户识别，根据用户的异常值是否超过阈值作为先验知识指导，结合用户划分指示矩阵得到最终的异常用户检测；

(5.2)基于先验知识的异常消息识别，根据消息的异常值是否超过阈值作为先验知识指导，结合消息划分指示矩阵得到最终的异常消息检测。

本发明的有益效果在于：

1)本发明从用户和消息两类实体出发，对两类实体产生的同质交互和异质交互进行建模，提出了面向微博的异常用户和消息的同时检测方法。在该方法中，针对异质交互矩阵，采用非负矩阵三分解的方法能够同时给出用户和消息的划分指示矩阵，提高了检测的效率。