一种检测网络水军以及找到网络水军的方法

摘要

本发明公开了一种检测网络水军以及找到网络水军的方法，首先建立蜜罐帐号；通过帐号管理模块对所有蜜罐帐号进行统一筹划，确定蜜罐帐号的发帖和关注策略；从收集的帐号中检测机器人帐号；帐号特征模块对帐号特征向量进行描述，这个向量包括多维；帐号检测模块对收集的帐号，根据帐号特征向量符合机器人帐号特性的多少来检测网络水军；利用检测出来的机器人帐号找到更多的机器人帐号和水军。本发明能够从社交网络中找到更多的机器人帐号或者水军帐号，确定水军军团分布。

主权项

一种检测网络水军的方法，其特征在于具体包括：第一步，帐号特征模块对帐号特征向量进行描述，这个向量包括多维；第二步，帐号检测模块对收集的帐号，根据帐号特征向量符合机器人帐号特性的多少来检测网络水军；上述步骤中，用R表示机器人特征显著性，帐号的特征描述向量有多个维度，第i个维度有一个权值a[i]，被判断满足该维度条件的帐号会获得a[i]的权值加成，即R=R+a[i]，当最终权值R>Rmax，则该帐号为机器人帐号；所述帐号检测模块检测网络水军，具体流程如下：1）向量维度1：帐号的关注人数异常；如果关注人数Nforward>FMAX，FMAX=300，则判断满足机器人特征，R=R+a[1]，a[1]=5；2）向量维度2：关注人数与粉丝数的比值异常；如果关注人数与粉丝数的比值K>Kmax=5，或者K<Kmin=0.2，则判断满足机器人特征，R=R+a[2]，a[2]=3；3）向量维度3：帐号所发原创微博的文字内容为抄袭所得；从帐号微博中选一句话出来进行搜索，把所有搜索出来的原创微博进行一种聚类，每一类中微博发布时间Wtime最小的微博是原创微博，而对于其余微博，如果相似度L>Lmax，则是抄袭微博；获得除本帐号以外所有被认为抄袭了微博的帐号ID，转到1）步，Lmax=90%；如果该帐号微博相似度L>Lmax，则判断满足机器人特征，R=R+a[3]，a[3]=4；4）向量维度4：帐号所发图片内容为抄袭所得；通过图像处理技术判断图片中如果否有他人logo或者相互重叠的logo，则判断满足机器人特征，R=R+a[4]，a[4]=4；5）向量维度5：帐号转发微博不带评论；不加评论的概率超过P>Pmax=95%，则判断满足机器人特征，R=R+a[5]，a[5]=2；6）向量维度6：帐号发广告和垃圾信息；通过语义识别判断出帐号的评论是否为广告，对于有链接的回复获取其网址，打开网址，判断该回复是不是在为这个网站打广告，如果判断成功，则判断满足机器人特征，R=R+a[6]，a[6]=10；7）向量维度7：帐号所发评论为抄袭；对被该帐号转发和评论的原微博的所有回复进行分析，首先对回复进行聚类，从而每一类中评论时间Rtime最小的回复认定为原创回复，回复与原创微博的相似度RS>RSmax的认为是抄袭回复，对除本帐号以外的所有RS>RSmax的ID，转到1）步，如果本帐号RS>RSmax=90%，则判断满足机器人特征，R=R+a[7]，a[7]=4；8）向量维度8：帐号发帖内容的相似度高；遍历帐号所有微博，使用聚类，如果某一类中微博数量N>Nmax=50，则判断满足机器人特征，R=R+a[8]，a[8]=4；9）向量维度9：帐号发帖频率异常；遍历帐号所有微博，获取其发表时间，如果在任何至少1分钟时间内发帖频率F>Fmax=6条/min，则判断满足机器人特征，R=R+a[9]，a[9]=3；10）向量维度10：帐号发帖间隔异常；遍历帐号所有微博，获取其发表时间，发帖时间规律性RE>REmax=10，则判断满足机器人特征，R=R+a[10]；RE的获取方法为：把所有微博时间做差，然后以秒为单位，若出现连续5以及以上个时间，这一组数字的方差小于1，则RE=RE+1，RE初值为0，a[10]=3；当R>Rmax时，认为该帐号为机器人帐号，即为网络水军，Rmax=10。