基于图卷积网络的社交网络Spammer检测技术

• 作者: 于洪涛 曲强 黄瑞阳
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 网络空间安全 Spammer检测 网络表示学习 图卷积网络
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 39-46
• 页数: 8页
• 分类号: TP309
• 字数: 5439字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2018042

摘要

在社交网络中,Spammer未经接收者允许,大量地发送对接收者无用的广告信息,严重地威胁正常用户的信息安全与社交网站的信用体系.针对现有社交网络Spammer检测方法的提取浅层特征与计算复杂度高的问题,提出了一种基于图卷积网络(GCN)的社交网络Spammer检测技术.该方法基于网络结构信息,通过引入网络表示学习算法提取网络局部结构特征,结合重正则化技术条件下的GCN算法获取网络全局结构特征去检测Spammer.在Tagged.com社交网络数据上进行了实验,结果表明,所提方法具有较高的准确率与效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于洪涛		44	339	10.0	16.0
2	黄瑞阳		50	146	7.0	8.0
3	曲强		3	6	1.0	2.0