[發明專利]基于節點關注和轉發特征的Sybil攻擊檢測方法和電子設備

有效

• 申請號: 202011350554.6
• 申請日: 2020-11-26
• 公開（公告）號: CN112839025B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 毛劍;李響;林其簫;劉建偉
• 申請（專利權）人: 北京航空航天大學
• 主分類號: H04L9/40
• 分類號: H04L9/40
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 黃玉霞

1.一種基于節點關注和轉發特征的Sybil攻擊檢測方法，其特征在于，包括以下步驟：

獲取社交網絡用戶行為數據，并基于節點關注和轉發特征，從所述社交網絡用戶行為數據中提取得到節點特征向量和節點對特征向量；

將所述節點特征向量輸入至預設節點分類器，得到節點的初始信任值，并將所述節點對特征向量輸入至預設節點對分類器，得到節點對的初始信任值；

根據預設社交圖和所述節點對的初始信任值，構建加權強社交圖；

利用隨機游走算法根據所述節點的初始信任值在所述加權強社交圖中進行信任傳播，得到Sybil節點集合和良性節點集合；

所述方法還包括：

訓練得到所述預設節點分類器和所述預設節點對分類器；

其中，所述預設節點分類器的訓練集為T₁＝{ω_v|v∈V_T}，其中，V_T為已知屬性標簽的用戶節點集合，當節點v的屬性為良性時，特征向量ω_v的標記為0；當節點v的屬性為Sybil時，特征向量ω_v的標記為1；

所述預設節點對分類器的訓練集為T₂＝{λ_e|e＝(u,v),u,v∈V_T}，其中，當節點u和v的屬性相同時，特征向量λ_e的標記為1；當節點u和v的屬性不同時，特征向量λ_e的標記為0；

將所述預設節點分類器輸出的特征向量ω_v標簽為0的概率估計值，作為節點v的初始信任值S(v)；

將所述預設節點對分類器輸出的特征向量λ_e標簽為1的概率估計值，其中e＝(u,v)，作為節點對(u,v)的初始信任值S(u,v)；

所述利用隨機游走算法根據所述節點的初始信任值在所述加權強社交圖中進行信任傳播，得到Sybil節點集合和良性節點集合，包括：

利用隨機游走算法根據所述節點的初始信任值在所述加權強社交圖中進行信任傳播時，根據如下公式計算在第i次迭代中，節點v的信任值：

其中，T^i-1(u)為第i-1次迭代中鄰居節點u的信任值，T⁰(v)為節點v的初始信任值，W(u,v)為邊(u,v)的權重；

判斷任意連續兩次的迭代是否滿足如下條件：

其中，α為預設閾值；

如果存在滿足上述條件的兩次迭代，則終止迭代，d為總迭代次數，為節點v的最終信任值，并根據各節點的最終信任值的排序進行節點分類，得到Sybil節點集合V_s和良性節點集合V_b。

2.如權利要求1所述的基于節點關注和轉發特征的Sybil攻擊檢測方法，其特征在于，

所述節點特征向量包括如下特征中的至少兩者：節點的傳入請求接受率、發出請求接受率、關注數與粉絲數的比例、關注熵、總轉發數和日均轉發數；

所述節點對特征向量包括如下特征：節點對中兩節點的共同關注數和共同轉發數。

3.如權利要求1所述的基于節點關注和轉發特征的Sybil攻擊檢測方法，其特征在于，所述根據預設社交圖和所述節點對的初始信任值，構建加權強社交圖，包括：

將所述預設社交圖G＝(V,E)中的邊的集合E中各邊的權重設置為對應節點對的初始信任值，其中，V為所述預設社交圖中所有節點的集合。