位置:成果数据库 > 期刊 > 期刊详情页
基于复合分类模型的社交网络恶意用户识别方法
  • ISSN号:1000-386X
  • 期刊名称:《计算机应用与软件》
  • 时间:0
  • 分类:TP309[自动化与计算机技术—计算机系统结构;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]中国科学院软件研究所信息安全国家重点实验室,北京100190, [2]中国科学院研究生院信息安全国家重点实验室,北京100049, [3]信息安全共性技术国家工程研究中心,北京100190, [4]信息网络安全公安部重点实验室(公安部第三研究所),上海201204
  • 相关基金:国家自然科学基金项目(61100226);国家高技术研究发展计划项目(2011AA01A023);北京市自然科学基金项目(4122085);公安部三所开放基金课题(C10606).
中文摘要:

社交网络近年发展迅速,微博类社交网络的用户数目及规模急剧增大的同时也带来了诸多安全问题,为了保护用户的隐私和个人、集体的利益,需要针对这些恶意行为进行识别并对恶意用户进行处理。提出一种采用复合分类模型对用户进行分类的方法,并开发了一个对微博类社交网络用户进行分类的系统。通过研究用户的属性和行为特点,比较属性间的相关性,从两方面兼顾了分类的准确性和效率。

英文摘要:

While having sharp increase in users and network size as in social network of microblogging, the rapid development of social network in recent years also brings lots of security problems. To protect user privacy, personal and collective interest against violations of these security issues, it is necessary to identify malicious behaviours and deal with malicious users. This paper presents a new method for classifying social network users on composite classification model and develops a system to classify users in social network of microblogging. The system analyses many features of the properties and behaviours of users and compares the correlation between the properties, and is able to take the account of both accuracy and efficiency.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机应用与软件》
  • 北大核心期刊(2011版)
  • 主管单位:上海科学院
  • 主办单位:上海市计算技术研究所 上海计算机软件技术开发中心
  • 主编:朱三元
  • 地址:上海市愚园路546号
  • 邮编:200040
  • 邮箱:cas@sict.stc.sh.cn
  • 电话:021-62254715 62520070-505
  • 国际标准刊号:ISSN:1000-386X
  • 国内统一刊号:ISSN:31-1260/TP
  • 邮发代号:4-379
  • 获奖情况:
  • 全国计算机类中文核心期刊
  • 国内外数据库收录:
  • 波兰哥白尼索引,美国剑桥科学文摘,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2011版),中国北大核心期刊(2000版)
  • 被引量:27463