[发明专利]一种面向社会工程学攻击的用户脆弱性分析方法

权利要求书

1.一种面向社会工程学攻击的用户脆弱性分析方法，其特征在于，该方法步骤是：

步骤(1)以微博相册内容为基础，采用图像分类算法将相册内图像分为人物、风景、动物和动漫四大类，结合统计方法构建微博相册特征向量F₁；

步骤(2)对人物图像进行人脸定位，提取出人脸图像，对人脸图像进行人脸情绪识别，根据图像时间排列得到每个用户的情绪序列，结合情绪二维坐标和统计方法构建图像情绪特征向量F₂；

步骤(3)获取用户微博并进行预处理，进行情感分析，为每一条微博信息打上情感分数，根据微博时间排列得到情感状态序列，结合统计方法构建情感序列特征F₃；

步骤(4)结合用户特征矩阵F＝[F₁,F₂,F₃]和用户之间的关注状态构造带特征的网络图；

步骤(5)通过图网络模型以半监督的方式为所有用户标注脆弱性标签，根据用户的特征和对应标签，训练得到脆弱性分类器，得到脆弱性评分。

2.如权利要求1所述的一种面向社会工程学攻击的用户脆弱性分析方法，其特征在于，步骤(1)具体是：

(1.1)爬取用户微博相册图像P到数据库中；

(1.2)对微博相册图像P根据图片像素进行过滤，过滤像素低于W_min×H_min的图片，将其余符合要求的图片调整为统一大小，得到M张图像集合w为图像的宽，h为图像的高，通道数为3；

(1.3)取MSCOCO数据集中的人物类别图像和动物类别图像、ImageNet数据集中的人物类别图像、iCartoonFace数据集中的动漫类别图像，组成图像集合，过滤图像集合中像素低于W_min×H_min的图片，将其余符合要求的图片调整为统一大小，得到包含N张图像的训练集

MSCOCO数据集是微软构建的一个数据集，其包含detection,segmentation,keypoints等任务；ImageNet数据集是一个用于视觉对象识别软件研究的大型可视化数据库；iCartoonFace数据集即爱奇艺的动漫人脸数据集；

(1.4)基于P_train训练一个图像分类器M_img；

(1.5)使用图像分类器M_img将P_test中的图像进行分类，分别打上标签，统计每个用户U_i相册中四类图像的数量特征矩阵C_img＝[c_k|k＝1,2,3,4]，和对应的占比特征矩阵Pro_img＝[pro_k|k＝1,2,3,4]，不同值k分别表示人物、风景、动物、动漫图像；将C_img和Pro_img横向拼接得到用户图像统计特征矩阵，即微博相册特征向量F₁＝[C_img,Pro_img]。