[發明專利]一種面向社交網絡的虛擬惡意節點及其網絡識別方法

有效

• 申請號: 201510066831.3
• 申請日: 2015-02-09
• 公開（公告）號: CN104660594B
• 公開（公告）日: 2018-01-09
• 發明（設計）人: 李書豪;云曉春;張永錚
• 申請（專利權）人: 中國科學院信息工程研究所
• 主分類號: H04L29/06
• 分類號: H04L29/06
• 代理公司: 北京君尚知識產權代理事務所(普通合伙)11200
• 代理人: 司立彬

1.一種面向社交網絡的虛擬惡意節點識別方法，其步驟為：

1)從目標社交網絡中獲取未識別賬戶行為數據和通信數據；

2)對于每一未識別賬戶，根據其行為數據建立該賬戶的好友關系網絡，根據其通信數據建立該賬戶的通信關系網絡；然后根據好友關系網絡和通信關系網絡計算得到的該賬戶好友出度變化值、好友入度變化值、通信出度向量、通信入度向量，建立該賬戶的信任度模型特征向量；然后根據該信任度模型特征向量計算該賬戶的信譽度；所述好友出度是指把目標賬戶標識為好友的賬戶數量；所述好友入度是指被目標賬戶標識為好友的賬戶數量；所述通信出度是指目標賬戶發送的通信消息量；所述通信入度是指目標賬戶接收的通信消息量；

3)對于信譽度低于設定閾值的每一未標識賬戶，根據該賬戶的通信時間序列和消息內容生成該賬戶的行為習慣統計數據，然后將其與正常用戶的行為習慣統計數據進行對比，如果差異大于設定閾值，則將該賬戶標記為虛擬惡意節點；否則將其標記為正常用戶節點；所述行為習慣統計數據是指社交網絡賬戶在行為數據和通信數據上表現出的統計規律的統計數據。

2.一種面向社交網絡的虛擬惡意節點網絡識別方法，其步驟為：

1)從目標社交網絡中獲取未識別賬戶的屬性數據、行為數據和通信數據；

2)對于每一未識別賬戶，根據其行為數據建立該賬戶的好友關系網絡，根據其通信數據建立該賬戶的通信關系網絡；然后根據好友關系網絡和通信關系網絡計算得到的該賬戶好友出度變化值、好友入度變化值、通信出度向量、通信入度向量，建立該賬戶的信任度模型特征向量；然后根據該信任度模型特征向量計算該賬戶的信譽度；所述好友出度是指把目標賬戶標識為好友的賬戶數量；所述好友入度是指被目標賬戶標識為好友的賬戶數量；所述通信出度是指目標賬戶發送的通信消息量；所述通信入度是指目標賬戶接收的通信消息量；

3)對于信譽度低于設定閾值的每一未標識賬戶，根據該賬戶的通信時間序列和消息內容生成該賬戶的行為習慣統計數據，然后將其與正常用戶的行為習慣統計數據進行對比，如果差異大于設定閾值，則將該賬戶標記為虛擬惡意節點；否則將其標記為正常用戶節點；所述行為習慣統計數據是指社交網絡賬戶在行為數據和通信數據上表現出的統計規律的統計數據；

4)將根據虛擬惡意節點的行為習慣統計數據及其屬性數據生成的特征向量作為分類器的輸入特征向量，對虛擬惡意節點集合或包含虛擬惡意節點的節點集合進行分類；然后根據社交網絡的網絡結構和通信關系對每個分類結果中的虛擬惡意節點進行關聯，形成虛擬惡意節點網絡；再利用貝葉斯網絡算法對每一虛擬惡意節點網絡進行評估，確定出最終的虛擬惡意節點網絡。

3.如權利要求1或2所述的方法，其特征在于，所述行為習慣統計數據包括根據通信時間序列生成的通信間隔分布曲線和根據消息內容哈希值列表、通信時間序列生成的賬戶活躍度曲線。

4.如權利要求1或2所述的方法，其特征在于，所述信任度模型特征向量為<D_i,D_o,D_i(T),D_o(T),M_i(T),M_o(T)>；其中，D_i表示好友入度，D_o表示好友出度，T表示時間窗口長度，D_i(T)表示在時間T內的好友入度，D_o(T)表示在時間T內的好友出度，M_i(T)表示在時間T內的消息入度，M_o(T)表示在時間T內的消息入度。

5.如權利要求4所述的方法，其特征在于，所述信譽度的計算公式為：

R(T)為信譽度，F_{(i，T，N)}表示時間區間T內給節點N，即未識別賬戶，發送通信消息的好友節點集合，M_i^N’(T)表示節點N’在時間T內的消息入度；M_o^N’(T)表示節點N’在時間T內的消息出度。

6.如權利要求2所述的方法，其特征在于，所述屬性數據包括：用戶標識、用戶昵稱、用戶關聯賬戶、是否實名認證、賬戶創建時間和真實身份信息；所述通信數據包括：通信出度、通信入度、通信消息標識、通信消息類型、通信時間和通信內容；所述行為數據包括：用戶登陸的IP地址、用戶所在地、用戶上網方式、好友出度和好友入度。