[发明专利]一种社交网络的异常检测与优化方法、系统及计算机设备

说明书

本发明属于社交网络中敏感社会关系的隐私保护技术领域，具体为一种社交网络的异常检测与优化方法、系统及设备，所述方法包括将社交网络转化为图数据，并采用重构算法对图数据进行强化去噪，得到重构社交网络；定义规则性度量来评估重构社交网络的规则性水平，计算网络链路的似然性，并判断网络链路为虚假链路还是缺失的关键链路；通过选择有限的关键链路并基于它们调节网络的可重构性，对社交网络进行优化，得到按需调控的社交网络；本发明一方面可以识别出虚假账户，另一方面又能对重构网络进行优化，提升它的有效性和精确度。

技术领域

本发明属于复杂社交网络中敏感关系的安全防护技术领域以及关键链路的挖掘分析与调控优化技术，具体为一种社交网络调控机制的异常检测与优化方法、系统及计算机设备。

背景技术

在在线社交网络中，潜在的商业利益导致了虚假账户的产生和扩散。社交网络中存在着大量的虚假账户，以微博为例，有大量的机器人账户转发各种广告或者充当水军，还有一些账户存在贩卖色情视频、发布谣言、诈骗等行为，这些账户都属于虚假账户。虚假账户的存在对安全造成了重大威胁。并且，现实社交网络中总是存在着不同水平的噪声(错误或者干扰项)，社交网络的规则性和模式就不够明显，对异常检测和调控的效果会产生不利的影响，因此，就有必要对社交网络进行精确的重构，并基于关键链路采取必要的调控方式来达到对已重构网络的优化完善。

但是，传统的重构方法并不能度量网络的内在重构能力，降低了对网络的评价和优化，侧重于尽可能精确地建模规则组件，没有明确捕捉子结构和网络重构之间的内在关系。因此，微观网络元素在宏观网络分析中的作用不明确，最终导致解释能力差。并且结构模式学习技术在网络重构中的应用还很少受到重视，这将导致重构精度较低，从而影响我们对虚假账户的异常检测。如果能够准确地量化网络结构规律性，通过社交网络链路的扰动调控，改变与目标对象相关的结构模式，还可以为社交网络的优化完善提供一个新的思路。

发明内容

为了识别社交网络上存在大量的虚假账户，并优化重构的社交网络，本发明提出一种基于社交网络调控机制的异常检测与优化方法、系统及计算机设备，如图1，所述方法包括以下具体步骤：

S1、根据社交网络构建图数据，获得图数据的邻接矩阵，采用重构算法对图数据进行强化去噪，得到重构社交网络；

S2、定义规则性水平来评估重构社交网络的规则性水平，计算网络链路的似然性；

S3、在重构的社交网络中，按升序对链路的似然性进行排序，并获得排名列表；

S4、从排名列表的第一项开始依次遍历排名列表，计算若移除当前项后社交网络的规则性水平，如果当前规则性水平有所提高，则移除该项对应的链路；

S5、输出经过步骤S4优化后的社交网络。

进一步的，步骤S1包括：

S11、以社交网络中的用户为节点、用户之间的关系为边构建一个无向图作为图数据，并将图数据用邻接矩阵表示；

S12、构建低秩自表示网络模型，使用增广拉格朗日乘数方法得到最优表示矩阵和误差矩阵；

S13、通过最优的表示矩阵和基矩阵获得重构社交网络的链路存在可能性矩阵SM；

S14、，将矩阵SM以条目符号分为正分量SM⁺和负分量SM^-；

S15、若正分量SM⁺中的条目在邻接矩阵X中存在，则排除该条目，剩余条目中链路的似然性高于阈值的条目为缺失的链路；

S16、若负分量SM^-中的条目在邻接矩阵X中没有，即对应项为0，则该条目，为虚假链路。

进一步的，网络低秩自表示建模包括：