[发明专利]一种社交网络异常账号检测方法及系统

权利要求书

1.一种社交网络异常账号检测方法，其特征在于，包括：

构建社交网络账户图；所述账户图包括节点、连边以及所述节点的初始特征；所述节点表示用户，所述初始特征表示用户特征；

根据所述账户图，基于随机块模型，生成多个与所述账户图相关的图；

确定编码器和解码器的结构，构建图变分去噪自编码器模型；

通过多个相关图以及所述初始特征对所述图变分去噪自编码器模型进行训练，拟合所述账户图的拓扑结构，最终得到训练好的图变分去噪自编码器模型；

构建预测模型；以所述图变分去噪自编码器模型的编码器作为预测模型，以所述训练好的图变分去噪自编码器的参数作为所述预测模型的初始化参数；

通过所述账户图的拓扑结构以及所述初始特征训练所述预测模型，对社交网络异常账号进行检测。

2.根据权利要求1所述的社交网络异常账号检测方法，其特征在于，所述根据所述账户图，基于随机块模型，生成多个与所述账户图相关的图，具体包括：

将所述账户图输入至所述随机块模型，得到输出结果；所述输出结果包括各所述节点对应的块、块内节点间的连接概率矩阵以及块间节点间的连接概率矩阵；

根据所述块内节点间的连接概率矩阵以及所述块间节点间的连接概率矩阵，生成多个相关图。

3.根据权利要求1所述的社交网络异常账号检测方法，其特征在于，所述通过多个相关图以及所述初始特征对所述图变分去噪自编码器模型进行训练，拟合所述账户图的拓扑结构，最终得到训练好的图变分去噪自编码器模型，具体包括：

将所述相关图以及所述初始特征输入至所述图变分去噪自编码器模型的编码器，得到各节点表示的分布矩阵；

将所述分布矩阵输入至所述图变分去噪自编码器模型的解码器，得到所述相关图的拓扑结构；

根据所述相关图的拓扑结构拟合所述账户图的拓扑结构。

4.根据权利要求1所述的社交网络异常账号检测方法，其特征在于，所述通过所述账户图的拓扑结构以及所述初始特征训练所述预测模型，对社交网络异常账号进行检测，具体包括：

将所述账户图的拓扑结构以及所述初始特征输入至所述预测模型中，训练预测模型得到所述账户图中各节点的预测标签；

判断所述预测标签与真实标签之间的误差是否在阈值范围内；

若是，得到训练好的预测模型；

若否，调整所述预测模型的参数，使所述预测标签与真实标签之间的误差在阈值范围内。

5.一种社交网络异常账号检测系统，其特征在于，包括：

账户图构建模块，用于构建社交网络账户图；所述账户图包括节点、连边以及所述节点的初始特征；所述节点表示用户，所述初始特征表示用户特征；

相关图生成模块，用于根据所述账户图，基于随机块模型，生成多个与所述账户图相关的图；

第一模型构建模块，用于确定编码器和解码器的结构，构建图变分去噪自编码器模型；

第一训练模块，用于通过多个相关图以及所述初始特征对所述图变分去噪自编码器模型进行训练，拟合所述账户图的拓扑结构，最终得到训练好的图变分去噪自编码器模型；

第二模型构建模块，用于构建预测模型；以所述图变分去噪自编码器模型的编码器作为预测模型，以所述训练好的图变分去噪自编码器的参数作为所述预测模型的初始化参数；

第二训练模块，用于通过所述账户图的拓扑结构以及所述初始特征训练所述预测模型，对社交网络异常账号进行检测。

6.根据权利要求5所述的社交网络异常账号检测系统，其特征在于，所述相关图生成模块具体包括：

输入单元，用于将所述账户图输入至所述随机块模型，得到输出结果；所述输出结果包括各所述节点对应的块、块内节点间的连接概率矩阵以及块间节点间的连接概率矩阵；

生成单元，用于根据所述块内节点间的连接概率矩阵以及所述块间节点间的连接概率矩阵，生成多个相关图。