基于关系图的微博僵尸用户检测方法

摘要

基于关系图分析的微博僵尸用户检测方法，包括数据收集模块和关系图分析模块；数据收集模块用于收集一个已知僵尸用户的数据和从数据中挑选样本用户。关系图分析模块用于判断样本用户是否是僵尸用户：首先建立已知僵尸用户和样本用户的关系图；初始化用户的恶意评分；计算用户的关联性数值并按照关系图和传播规则计算和更新样本用户的恶意评分；判断样本用户的恶意评分的是否传播收敛；判断传播收敛的样本用户的恶意评分是否大于阈值，大于阈值则该样本用户为僵尸用户。本发明利用僵尸用户的社会关系和语义关系寻找识别其他僵尸用户，提高了僵尸用户的判别效率。本发明运用于社交网络，为其提供更加安全有效的检测服务，提高了社交网络的安全性。

主权项

一种基于可视关系网络的微博僵尸用户检测方法，其特征在于，包括数据收集模块和关系图分析模块；所述数据收集模块用于根据一个已知僵尸用户，收集所述已知僵尸用户的数据，并挑选出样本用户；所述关系图分析模块用于判断所述样本用户是否是僵尸用户，具体包括以下步骤：步骤（201），将所述已知僵尸用户和所述样本用户的关系属性可视化，作出关系图：所述已知僵尸用户和所述样本用户均作为所述关系图的节点；步骤（202），初始化所述已知僵尸用户和所述样本用户的恶意评分；步骤（203），分析所述关系图的共性，计算所述关系图中各个所述节点的关联性数值，并按照传播规则和所述关系图计算和更新所述样本用户的恶意评分；步骤（204），判断所述样本用户的所述恶意评分是否传播收敛，如果传播收敛，跳入步骤（205）；如果不传播收敛，则跳转入步骤（203）；步骤（205），判断所述样本用户的所述恶意评分是否大于阈值，如果大于所述阈值，则跳转入步骤（206）；如果小于所述阈值，则所述样本用户被判定为正常用户；步骤（206），所述样本用户被判定为僵尸用户；步骤（207），处理完毕。