[發(fā)明專利]一種檢測網(wǎng)絡(luò)水軍以及找到網(wǎng)絡(luò)水軍的方法

有效

• 申請?zhí)枺?/td>: 201110418586.X
• 申請日: 2011-12-14
• 公開（公告）號: CN102571484A
• 公開（公告）日: 2012-07-11
• 發(fā)明（設(shè)計）人: 周異;申沛;陳凱;宋利;楊小康
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號: H04L12/26
• 分類號: H04L12/26;H04L29/08
• 代理公司: 上海漢聲知識產(chǎn)權(quán)代理有限公司 31236
• 代理人: 郭國中

技術(shù)領(lǐng)域

本發(fā)明涉及一種社交網(wǎng)絡(luò)，具體地說，涉及的是一種檢測網(wǎng)絡(luò)水軍以及找到網(wǎng)絡(luò)水軍的方法。

背景技術(shù)

如今社會，網(wǎng)絡(luò)已經(jīng)成為人們信息傳播和資源共享的重要途徑，對社會的生產(chǎn)活動產(chǎn)生了很大的影響。人們通過網(wǎng)絡(luò)獲取信息的方式更為快捷、經(jīng)濟和開放，大大方便了人們?nèi)粘９ぷ骱蜕睿?jié)約了成本。同時，網(wǎng)絡(luò)也已經(jīng)發(fā)展為一種虛擬的社會形態(tài)。

社交網(wǎng)絡(luò)，主要類似微博，是一個基于用戶關(guān)系的信息分享、傳播以及獲取的平臺。在科技發(fā)達的今天，人們可以隨時隨地的看微博，發(fā)微博，獲取最新的信息。但是信息的真實性，卻并不像想象中那么高。

水軍，是指在網(wǎng)絡(luò)中大量灌水的人員。在樓主發(fā)微博之后，為了獲得最廣大網(wǎng)名的注意，就需要大量的人員來回復(fù)或者轉(zhuǎn)發(fā)其微博。而這個工作常常需要成百上千的人來共同完成，于是經(jīng)常會利用水軍來完成這個任務(wù)。一旦大規(guī)模的水軍在網(wǎng)絡(luò)中發(fā)帖造勢，很容易控制輿論導(dǎo)向，使得虛假信息到處傳播，危害社會穩(wěn)定。

發(fā)明內(nèi)容

本發(fā)明要解決的問題是提供一種檢測網(wǎng)絡(luò)中存在的水軍的方法，并基于此，找出這些水軍，以便于發(fā)現(xiàn)并控制虛假信息的傳播，從而可以盡量維護網(wǎng)絡(luò)社會的真實和穩(wěn)定性。

本發(fā)明一個目的是提供一種檢測網(wǎng)絡(luò)水軍的方法，具體包括：

第一步，帳號特征模塊對帳號特征向量進行描述，這個向量包括多維；

第二步，帳號檢測模塊對收集的帳號，根據(jù)帳號特征向量符合機器人帳號特性的多少來檢測網(wǎng)絡(luò)水軍。

上述步驟中，用R表示機器人特征顯著性，帳號的特征描述向量有多個維度，第i個維度有一個權(quán)值a[i]，被判斷滿足該維度條件的帳號會獲得a[i]的權(quán)值加成，即R＝R+a[i]，當(dāng)最終權(quán)值R＞Rmax，則該帳號為機器人帳號。a[i]與Rmax的值將在下面給出。

進一步的，所述帳號特征模塊，其中帳號特征描述向量維度包括：

向量維度1：帳號的關(guān)注人數(shù)是否異常；

向量維度2：關(guān)注人數(shù)與粉絲數(shù)的比值是否異常；

向量維度3：帳號所發(fā)原創(chuàng)微博的文字內(nèi)容是否為抄襲所得；

向量維度4：帳號所發(fā)圖片內(nèi)容是否為抄襲所得；

向量維度5：帳號轉(zhuǎn)發(fā)微博是否不帶評論；

向量維度6：帳號是否發(fā)廣告和垃圾信息；

向量維度7：帳號所發(fā)評論是否為抄襲；

向量維度8：帳號發(fā)帖內(nèi)容的是否相似度高；

向量維度9：帳號發(fā)帖頻率是否異常。

向量維度10：帳號發(fā)帖間隔是否異常。

進一步的，所述帳號檢測模塊檢測網(wǎng)絡(luò)水軍，具體流程如下：

1)向量維度1：帳號的關(guān)注人數(shù)異常。如果關(guān)注人數(shù)Nforward＞FMAX，F(xiàn)MAX＝300。則判斷滿足機器人特征，R＝R+a[1]，a[1]＝5；

2)向量維度2：關(guān)注人數(shù)與粉絲數(shù)的比值異常。如果關(guān)注人數(shù)與粉絲數(shù)的比值K＞Kmax＝5，或者K＜Kmin＝0.2。則判斷滿足機器人特征，R＝R+a[2]，a[2]＝3；

3)向量維度3：帳號所發(fā)原創(chuàng)微博的文字內(nèi)容為抄襲所得。從帳號微博中選一句話出來進行搜索，把所有搜索出來的原創(chuàng)微博進行一種聚類。每一類中微博發(fā)布時間Wtime最小的微博可以認為是原創(chuàng)微博，而對于其余微博，如果相似度L＞Lmax，則認為是抄襲微博。獲得除本帳號以外所有被認為抄襲了微博的帳號ID，轉(zhuǎn)到1)步。Lmax＝90％。如果該帳號微博相似度L＞Lmax，，則判斷滿足機器人特征，R＝R+a[3]，a[3]＝4；

4)向量維度4：帳號所發(fā)圖片內(nèi)容為抄襲所得。通過圖像處理技術(shù)判斷圖片中如果否有他人logo或者相互重疊的logo，則判斷滿足機器人特征，R＝R+a[4]，a[4]＝4；

5)向量維度5：帳號轉(zhuǎn)發(fā)微博不帶評論。不加評論的概率超過P＞Pmax＝95％，則判斷滿足機器人特征，R＝R+a[5]，a[5]＝2；

6)向量維度6：帳號發(fā)廣告和垃圾信息。可以通過語義識別判斷出帳號的評論是否為廣告。對于有鏈接的回復(fù)可以獲取其網(wǎng)址，打開網(wǎng)址。通過一定方法判斷該回復(fù)是不是在為這個網(wǎng)站打廣告。如果判斷成功，則判斷滿足機器人特征，R＝R+a[6]，a[6]＝10；