[发明专利]基于图神经网络的账户检测方法、装置和设备

说明书

本发明示例性实施例提供一种基于图神经网络的账户检测方法，包括：以在线社交平台的账户为节点，账户与账户之间的关系为边，构建关系图；确定节点的特征表示，所述特征表示为分别提取所述节点的内容特征和行为特征进行聚合后得到；将所述关系图和所述特征表示输入预设的图神经网络模型，通过所述神经网络模型的输出结果确定所述关系图中的异常账户节点；所述预设的神经网络模型为：将所述关系图的节点和边转码为能够识别的向量数据，对所述向量数据进行权重参数的训练后，输出带有标签的节点预测值，根据所述节点预测值确定节点是否为异常账号。本发明使得账户检测的稳定性、效率和准确率均得到了大幅提升。

技术领域

本发明示例性实施例涉及信息安全技术领域，尤其涉及一种基于图神经网络的账户检测方法、装置和设备。

背景技术

随着互联网的发展与移动终端设备的普及，在线社交平台愈发受网络用户青睐。OSN(OSN，Online Social Network，在线社交平台)是依托于在线社交平台上的一种信息网络，OSN由用户与信息构成，基于OSN的网络关系图由用户构成的节点与用户之间关系构成的边组成。保证以在线社交网络为载体所传递信息的安全是确保网络空间安全的重要组成部分。OSN的便利性为许多不法份子提供了犯罪机会，一种典型的攻击手段就是SybilAttack，不法份子创建多个机器人账号(即异常账号)来传播不良信息、操纵舆论，是一种典型的危害网络信息安全的行为。

目前在线社交网络平台主要基于举报与半自动化的方式检测网络中存在的异常账号，缺乏一个公开的自动化检测工具来检测OSN中的异常账号。

有公司如Twitter所属公司采用自动化与人工相结合的方式检测异常账号，具体而言，公司采用一定技术监控大量账号的行为并发掘其中用到的行为模式，一旦发现账号的行为模式无法与正常行为模式相匹配时，需要人工对这些可疑账号展开调查以确认这些账号是否为异常账号。

另外有公司如新浪微博平台则使用基于先验知识的方法，设置某些特征规则比如关注量与粉丝比例、是否通过实名认证、是否有详细个人信息等等来判断某账号是否为可疑账号，同时，被用户多次举报的账号也会被列入可疑账号名单中。最终通过人工审核的方式确认风险账号是否为异常账号。

现有方法无法匹配日益复杂的异常账户检测，且目前尚无能够解决该问题的方法或装置。

发明内容

有鉴于此，本发明示例性实施例的目的在于提出一种基于图神经网络的账户检测方法、装置和设备，以解决传统方式中账户检测效率和准确率低下的问题。

基于上述目的，本发明示例性实施例提供了一种基于图神经网络的账户检测方法，包括：

以在线社交平台的账户为节点，账户与账户之间的关系为边，构建关系图；

确定节点的特征表示，所述特征表示为分别提取所述节点的内容特征和行为特征进行聚合后得到；

将所述关系图和所述特征表示输入预设的图神经网络模型，通过所述神经网络模型的输出结果确定所述关系图中的异常账户节点；

其中，所述预设的神经网络模型为：将所述关系图的节点和边转码为能够识别的向量数据，对所述向量数据进行权重参数的训练后，输出带有标签的节点预测值，根据所述节点预测值确定节点是否为异常账号。

结合上述说明，在本发明实施例另一种可能的实施方式中，所述方法还包括：

预建立账户判断范围表，根据所述预设的图神经网络模型输出的节点预测值在所述账户判断范围表的匹配结果，确定节点是否为异常账号；

所述账户判断范围表包括第一数值范围和第二数值范围，当所述节点预测值处于第一范围时，确定所述节点预测值对应的节点为正常账户；当所述节点预测值处于第二范围时，确定所述节点预测值对应的节点为异常账户。