[发明专利]一种社交网络异常账号检测方法及系统

说明书

本发明公开了一种社交网络异常账号检测方法及系统。该方法包括：根据账户图，基于随机块模型，生成多个与账户图相关的图；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初始特征对图变分去噪自编码器模型进行训练，拟合账户图的拓扑结构，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；以图变分去噪自编码器模型的编码器作为预测模型，以训练好的图变分去噪自编码器的参数作为预测模型的初始化参数；通过账户图的拓扑结构以及初始特征训练预测模型，对社交网络异常账号进行检测。本发明能够有效克服图数据中有标签节点数少的问题，从而能够更加快速、精准的检测出社交网络中的异常账户。

技术领域

本发明涉及社交网络领域，特别是涉及一种社交网络异常账号检测方法及系统。

背景技术

在线社交网络是指拥有共同背景、兴趣、行为的人们建立社交关系的在线网络平台，随着Web2.0的快速发展，越来越多的社交平台如雨后春笋般出现，例如我们日常使用的微博、微信、QQ等。这些社交工具的出现无疑给我们的工作、生活和交流带来了很大的便利，但是与此同时，其海量的用户数也吸引了攻击者，成为了攻击者获取巨大利益的新乐园。攻击者通过建立大量虚假账号或者盗取正常账号，在社交网站中发布大量广告、钓鱼等恶意信息，从而牟取利益。这些账号称为异常账号，由于社交网络中的用户间存在信任关系，因此其中的恶意信息比传统垃圾邮件等包含的恶意信息的危害更大，严重危害到在线社交网络的信誉评价体系以及用户间的信任关系。

发明内容

本发明的目的是提供一种社交网络异常账号检测方法及系统，用以快速、精准的检测出社交网络中的异常账户。

为实现上述目的，本发明提供了如下方案：

一种社交网络异常账号检测方法，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。

可选的，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。

可选的，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。