-
公开(公告)号:CN109905399A
公开(公告)日:2019-06-18
申请号:CN201910194180.4
申请日:2019-03-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于社交媒体异常用户检测的安全领域,具体涉及一种基于自我网络结构演化的社交媒体个体异常用户检测方法。包括比较快照GT-1和GT来识别时变分量;基于时变分量构建可疑异常节点集合SAN-Set(T);对于SAN-Set(T)中的每个节点vi,构建核心网Core-netT-1(vi)和Core-netT(vi);对于SAN-Set(T)中的每个节点vi,求出异常分数Outlying-Score(vi),并按照异常分数大小进行排序;输出前n个最大的异常分数。本发明针对社交媒体中个体用户发生异常行为的场景,在现有IcLEOD方法的基础上提出一种改进的基于有向图的增量局部演化异常检测方法Db-IcLEOD,改进后的方法可以用于处理基于有向图的社交媒体用户交互状态网络,将用户交互的方向性考虑在内,通过此改进只有与可疑异常节点进行双向交互的节点才会被划进其核心网,从而避免原方法的异常误报。
-
公开(公告)号:CN109905399B
公开(公告)日:2021-06-01
申请号:CN201910194180.4
申请日:2019-03-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于社交媒体异常用户检测的安全领域,具体涉及一种基于自我网络结构演化的社交媒体个体异常用户检测方法。包括比较快照GT‑1和GT来识别时变分量;基于时变分量构建可疑异常节点集合SAN‑Set(T);对于SAN‑Set(T)中的每个节点vi,构建核心网Core‑netT‑1(vi)和Core‑netT(vi);对于SAN‑Set(T)中的每个节点vi,求出异常分数Outlying‑Score(vi),并按照异常分数大小进行排序;输出前n个最大的异常分数。本发明针对社交媒体中个体用户发生异常行为的场景,在现有IcLEOD方法的基础上提出一种改进的基于有向图的增量局部演化异常检测方法Db‑IcLEOD,改进后的方法可以用于处理基于有向图的社交媒体用户交互状态网络,将用户交互的方向性考虑在内,通过此改进只有与可疑异常节点进行双向交互的节点才会被划进其核心网,从而避免原方法的异常误报。
-