期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
社交网络机器账号检测综述 被引量：5
1
作者 李阳阳 曹银浩 +4 位作者 杨英光 金昊 杨阳朝 石珺 李志鹏 《中国电子科学研究院学报》 北大核心 2021年第3期209-219,共11页
随着移动互联网的大面积普及,社交网络用户数量在这些年也呈指数级增长,比如国外的推特和国内的微博等。与此同时社交网络中的机器账号也在大幅增长,这些机器账号不仅散布广告和低俗信息,甚至会模仿正常用户发言来操控舆论,挑拨对立,影... 随着移动互联网的大面积普及,社交网络用户数量在这些年也呈指数级增长,比如国外的推特和国内的微博等。与此同时社交网络中的机器账号也在大幅增长,这些机器账号不仅散布广告和低俗信息,甚至会模仿正常用户发言来操控舆论,挑拨对立,影响用户间正常的交流和社交网络氛围。因此机器账号检测应运而生,需要检测社交平台中的机器账号数量来避免正常用户被误导,并呈现出真实的舆论环境。文中介绍了这些年主流的机器账号检测方案:众包检测平台,基于机器学习的方案,基于深度学习的方案,基于社交关系图的方案和主动式检测方案等。并大体介绍了用于机器账号检测的各项算法技术,总结了各项技术的优缺点。最后本文总结了当前机器账号检测中存在的一些问题和难点,展望了相关研究的未来发展方向。 展开更多
关键词 社交机器人 社交网络 机器账号 机器学习 深度学习
下载PDF
基于生成对抗网络的社交机器人检测 被引量：3
2
作者 李阳阳 杨英光 《计算机与现代化》 2022年第3期1-6,共6页
推特作为一个有着上亿活跃用户的社交媒体,有近15%的机器账户通过自动化程序被控制,其中一些机器账号为传播恶意信息的恶意账号。虽然研究者开发了大量复杂的机器账号检测方法,但这些方法都需要有关机器账号的先验知识,并且泛化性不高... 推特作为一个有着上亿活跃用户的社交媒体,有近15%的机器账户通过自动化程序被控制,其中一些机器账号为传播恶意信息的恶意账号。虽然研究者开发了大量复杂的机器账号检测方法,但这些方法都需要有关机器账号的先验知识,并且泛化性不高。为了解决这些问题,提出使用生成对抗网络中的判别器来进行机器账号检测,使得只需要真实账号的示例即可得到良好的检测模型,并在一个流行数据集做实验,AUC达到了94%的分类效果。 展开更多
关键词 社交机器人 生成对抗网络 机器账号检测
下载PDF
基于对抗多关系图神经网络的机器账号检测
3
作者 杨英光 李阳阳 +2 位作者 彭浩 刘弋锋 谢海永 《中文信息学报》 CSCD 北大核心 2023年第7期162-172,共11页
现有的机器账号检测方法或者依赖于对机器账号的先验知识,或者在检测时只关注单一账号的特征,忽略了与该账号有关系的其他账号所能带来的潜在表征,降低了所提检测方法的有效性。针对上述不足,该文提出了一种基于生成对抗网络的多关系图... 现有的机器账号检测方法或者依赖于对机器账号的先验知识,或者在检测时只关注单一账号的特征,忽略了与该账号有关系的其他账号所能带来的潜在表征,降低了所提检测方法的有效性。针对上述不足,该文提出了一种基于生成对抗网络的多关系图神经网络检测模型。从社交网络数据集中抽取不同关系,建立多关系图,采样节点,训练生成对抗网络,来动态改变关系图结构;将节点特征和图结构信息输入图神经网络,有选择的聚合邻居节点的特征,得到更加精确的图嵌入向量,将向量输入分类器进行检测。实验结果表明,相比于其他算法,该文所述算法在两个数据集中AUC分别最多提升了24%和9%,Recall值分别最多提升了13%和4%。 展开更多
关键词 机器账号检测 图神经网络 生成对抗网络
下载PDF
社交媒体机器人账号智能检测研究 被引量：1
4
作者 陈里可 阮树骅 +1 位作者 陈兴蜀 王海舟 《信息网络安全》 CSCD 北大核心 2019年第9期96-100,共5页
文章将获取的机器人账号和人类账号数据归纳抽象为账号信息属性、账号信用属性、账号社交关系属性和账号发文属性四大类社交账号属性,较好地体现了两类账号的本质不同,在此基础上,对社交账号数据进行预处理,抽取了社交账号的七个检测特... 文章将获取的机器人账号和人类账号数据归纳抽象为账号信息属性、账号信用属性、账号社交关系属性和账号发文属性四大类社交账号属性,较好地体现了两类账号的本质不同,在此基础上,对社交账号数据进行预处理,抽取了社交账号的七个检测特征,并结合多种二分类机器学习算法,建立机器人账号智能检测模型。 展开更多
关键词 机器人账号 社交账号属性 社交账号检测特征 智能检测 新浪微博
下载PDF
社交网络机器人检测综述
5
作者 杨舟 《网络安全技术与应用》 2022年第3期135-136,共2页
随着以微博为代表的社交网络平台的迅速流行,出现了大量社交机器人账号,部分恶意的机器人在社交网络平台上散布不良信息,进行虚假宣传,甚至发布煽动性言论、引发对立情绪。恶意机器人账号的存在对网络空间安全产生了严重威胁,因此,实现... 随着以微博为代表的社交网络平台的迅速流行,出现了大量社交机器人账号,部分恶意的机器人在社交网络平台上散布不良信息,进行虚假宣传,甚至发布煽动性言论、引发对立情绪。恶意机器人账号的存在对网络空间安全产生了严重威胁,因此,实现社交机器人的有效检测对于净化网络内容、维护真实的舆论环境具有十分重要的意义。目前,主要的社交机器人检测方法包括基于图的检测方法、基于机器学习的检测方法、基于异常的检测方法以及基于众包的检测方法。与此同时,社交机器人检测技术还面临着数据集难以稳定标注、缺乏健壮的特征等挑战。本文归纳和整理了社交机器人检测研究现状,并简要介绍了各项技术及其优缺点。最后,本文总结和展望了当前方法可以进一步改进的方向。 展开更多
关键词 社交网络 机器人账号检测 机器学习 深度学习
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部