[发明专利]网络信息源查找方法、装置及服务器

说明书

本发明实施例提供一种网络信息源查找方法、装置及服务器，涉及计算机安全领域。通过舆情信息语义识别和社交网络节点黏度关联分析使其具有信息源网络发现和性质识别功能。相对于传统的关键字语义分析和定点信息源关系网络提取，本方法结合词组概率空间和语义联合矩阵划分方法、朴素贝叶斯分类法构建节点语义树、节点纵深探测和向量转换黏度匹配提取信息源网络、黏度聚类算法和交叉关联识别最终信息源，表现为更准确合理的信息源捕获，基于相同的舆情特征数据，具有分析维度多样、社交关系分析和舆情特性识别深入、数据表达更直观的优势。该系统检测对象针对性强，能够分析数据深层次特征，检测出舆情源头网络，容易发现社交网络信息源。

技术领域

本发明涉及计算机安全领域，具体而言，涉及一种网络信息源查找方法、装置及服务器。

背景技术

随着互联网的快速发展，网络意识形态安全问题得到了前所未有的重视。作为当今思想文化的集散地和社会舆情的放大器，社交网络在互联网中活跃程度达到了前所未有的高度，其直接性、突发性、偏差性等特征使其作为社会和政府关注和监控的重点对象。舆情信息的快速掌握，舆情走向的精准预测以及舆情威胁源的快速挖掘和识别成为舆情安全攻防战的关键所在，然而面对当前多领域扩展、庞大用户群体和快速变化的网络环境，使传统的舆情监管模式完全束手无策。目前，大多的舆情识别分析方式都是基于传统的统计分析模式，一般是基于人工维护的威胁关键字库，且并未考虑到词组之间的关联关系，对其传播性和时效性没做深入的考虑和分析。

发明内容

有鉴于此，本发明实施例的目的在于提供一种网络信息源查找方法、装置及服务器，以解决不能快速、准确的挖掘出具有威胁性的舆情信息的源头的问题。

本发明实施例提供一种网络信息源查找方法，包括：依据舆情词组数据库，构建舆情词组概率空间；提取单条舆情信息的词组序列，并结合所述舆情词组概率空间，构建语义联合概率矩阵；利用所述语义联合概率矩阵和朴素贝叶斯分类算法获取所述单条舆情信息的威胁系数，结合所述语义联合概率矩阵构建节点语义树；通过纵深探测算法从社交节点网络中获取节点交互网络拓扑分布，并构建双向节点关联矩阵，依据所述双向节点关联矩阵和所述节点语义树计算黏度匹配系数；对所述双向节点关联矩阵进行向量转换，构成待分析的初始矩阵，并利用分层提取算法和所述黏度匹配系数从所述初始矩阵获取信息源网络；针对所述信息源网络构建信息源语义树，并结合节点交互网络拓扑分布及利用黏度延伸算法绘制信息源词组黏度分布图；利用黏度聚类算法从所述信息源词组黏度分布图中提取信息源语义特性词组，并对信息源网络中的各节点自身的语义树进行关联分析，提取信息源。

优选的，所述依据舆情词组数据库，构建舆情词组概率空间的步骤还包括：计算所述舆情词组数据库内各词组的引用概率，依据所述舆情词组数据库内的词组分布状态计算通用性概率，依据所述舆情词组数据库内各词组的使用时间分布计算时效系数；依据所述引用概率、所述通用性概率以及所述时效系数构建舆情词组概率空间。

优选的，所述提取单条舆情信息的词组序列，并结合所述舆情词组概率空间，构建语义联合概率矩阵的步骤还包括：提取单条舆情信息的词组序列；根据所述词组序列中任意两词组同时出现频率构建频数矩阵，根据所述词组序列中任意两词组构成的舆情信息在词组概率空间中的威胁权重分布构建威胁权重分布矩阵，根据所述词组序列中任意两词组自身威胁权重乘积集成构建个体权重积矩阵，根据所述词组序列中任意两词组自身概率空间特性构建个体概率矩阵；结合所述频数矩阵、所述威胁权重分布矩阵、所述个体权重积矩阵和所述个体概率矩阵构建语义联合概率矩阵。

优选的，所述利用所述语义联合概率矩阵和朴素贝叶斯分类算法获取所述单条舆情信息的威胁系数，结合所述语义联合概率矩阵构建节点语义树的步骤还包括：采用条件独立假设评估单条舆情信息的整体合理性，采用马尔科夫随机场链联合概率假设来评估单条舆情信息的语义合理性，依据得到整体合理性和所述语义合理性，得到威胁系数，并结合所述语义联合概率矩阵构建节点语义树。