恶意社交机器人检测技术研究

• 全文链接
• 请求原文

作   者：

刘蓉;  陈波;  于泠;  刘亚尚;  陈思远; 

作者机构：

江苏省大规模复杂系统数值模拟重点实验室;  南京师范大学计算机科学与技术学院; 

关键词：

在线社交网络;  并行化;  机器学习;  社交机器人;  特征工程;  图论;  众包; 

期刊名称：

通信学报

基金项目：

i s s n：

1000-436X

年卷期：

2017 年 S2 期

页   码：

197-210

摘   要：

攻击者利用恶意社交机器人窃取用户隐私、传播虚假消息、影响社会舆论,严重威胁了个人信息安全、社会公共安全,乃至国家安全。攻击者还在不断引入新技术实施反检测。恶意社交机器人检测成为在线社交网络安全研究的一个重点和难点。首先回顾了当前社交机器人的开发与应用现状,接着对恶意社交机器人检测问题进行了形式化定义,并分析了检测恶意社交机器人所面临的主要挑战。针对检测特征的选取问题,厘清了从静态用户特征、动态传播特征,以及关系演化特征的研究发展思路。针对检测方法问题,从基于特征、机器学习、图论以及众包4个类别总结了已有检测方案的研究思路,并剖析了几类方法在检测准确率、计算代价等方面的局限性。最后,提出了一种基于并行优化机器学习方法的恶意社交机器人检测框架。