0 引言

發(fā)現(xiàn)社交媒體中的網絡安全用戶可以有效追蹤網絡安全動態(tài)，對網絡安全防護具有重要意義。實際上，識別社交網絡中的網絡安全用戶也是對社交網絡節(jié)點進行分類發(fā)現(xiàn)。

現(xiàn)實生活中，人們傾向于與類似的人發(fā)展社會關系，所以社交用戶的好友會分享更多的屬性，如種族、民族、宗教和職業(yè)——這就是所謂的“同質性原則”[1]。這導致了在Twitter上相互關注的人通常有共同的話題興趣，可以通過相互關注關系來推斷社交媒體用戶的屬性。另外，社交用戶還具備其他可以獲取的數據，如社交文本和用戶資料，這些資料構成新的用戶屬性，也有助于推斷用戶的興趣或者職業(yè)，與用戶的社交關系形成互補。

當前已經有大量的用戶分類工作都是基于網絡拓撲結構進行節(jié)點的分類。比如，網絡表示學習方法直接對網絡結構特征進行學習提取，將得到的特征用于分類可以取得不錯的效果。然而，現(xiàn)有的網絡表示學習方法缺乏對社交文本和社交基本資料特征的學習，極大地限制了其分類效果。相對于單純利用社交網絡結構對用戶進行分類，當前主流的圖神經網絡算法創(chuàng)新性地融入了網絡節(jié)點的其他屬性特征，獲得了更高的分類準確率。本文針對網絡表示學習方法缺乏社交文本特征的問題，通過改進Node2vec[2]方法，使其融合多種網絡屬性特征而更加有利于分類，從而識別出社交媒體中的網絡安全用戶。

本文的創(chuàng)新性工作包括：

(1)利用網絡表示學習模型Node2vec來進行網絡節(jié)點的特征表示，將結構特征向量和相應用戶節(jié)點的文本特征向量進行拼接，形成社交用戶節(jié)點的向量表示。

(2)標注了部分網絡安全用戶，初步形成網絡安全用戶資料庫。對于每個用戶節(jié)點，生成其網絡安全文本特征。

(3)利用自監(jiān)督學習方法進行分類模型的訓練樣本擴充，提升了分類效果。

結果表明，在已經收集的Twitter數據集上，所提方法的平均識別準確率為96.37%，比現(xiàn)有常用的算法平均高出0.48%～3.67%。

本文詳細內容請下載：http://m.jysgc.com/resource/share/2000004615

作者信息：

劉向宇，燕  瑋，孟星妤，侯開茂

(華北計算機系統(tǒng)工程研究所，北京100083)