[发明专利]社交网络Sybil群体检测方法

摘要

本发明提供了一种社交网络Sybil群体检测方法，可以用于特殊群体检测及舆情监控。其首先根据用户属性与Sybil属性中心之间的欧式距离来计算属性可信度值，对Sybil用户的属性值范围进行统计并找出属性值范围中心，根据用户属性与该值的远近计算用户为Sybil的可能性值，并将该值作为一个重要参数进行用户真实度计算。然后根据真实用户几乎不会向Sybil用户发送关注请求进行真实度权值传播，得到Sybil分类结果。从社交网络中采集较新的实验数据，并手动标注Sybil节点进行分析建模，与最近发表若干检测方法作对比，结果表明基于属性可信度的行为特征的检测算法具有更高的检出率和更低误检率。

主权项

1.一种社交网络Sybil群体检测方法，其特征在于，包括：样本数据采集步骤：将从社交网络中已人工分辨出的Sybil用户的用户数据和真实用户的用户数据作为样本数据；样本数据训练步骤：利用样本数据训练得到最终分类阈值r；具体地，将已人工分辨出的Sybil用户、真实用户作为待检测用户，执行属性可信度计算步骤、建立行为特征图模型步骤、行为特征检测步骤、最终分类阈值获取步骤，从而获得最终分类阈值r；实际检测步骤：将社交网络中的未知身份用户作为待检测用户，执行属性可信度计算步骤、建立行为特征图模型步骤、行为特征检测步骤，从而获得用户真实度；将未知身份用户的用户真实度与最终分类阈值r进行比较，若未知身份用户的用户真实度大于等于最终分类阈值r，则将未知身份用户认为是真实用户，否则，则将未知身份用户认为是Sybil用户；其中：所述属性可信度计算步骤：从用户数据中提取出待检测用户的属性特征，根据待检测用户的属性特征得到待检测用户的属性可信度；假设对于第i种属性Ai，Sybil用户在第i种属性Ai下的属性值范围的中心值为αi，对于某个待检测用户v，若该待检测用户v在第i种属性Ai下的属性值Ai(v)离αi越远，则认为该待检测用户v的属性可信度越大，即采用离Sybil用户在属性下的属性值范围的中心值的远近来描述待检测用户的属性可信度；所述建立行为特征图模型步骤：建立带节点属性的拓扑结构图G(V,E,A)；节点集合V中的节点一一对应各个待检测用户；边集合E中的边(u,v)表示待检测用户u向待检测用户v发送了一个关注行为；A为属性集合，A＝(A1,A2,...,Ai,...,Ak)，1≤i≤k，Ai表示第i种属性，k表示属性的数量，k的取值范围为k∈N*，其中，N*表示正整数集；所述行为特征检测步骤：根据待检测用户的属性可信度及拓扑结构图G得到待检测用户的用户真实度；所述最终分类阈值获取步骤：根据用户真实度设置或计算得到最终分类阈值r。