[發(fā)明專利]基于節(jié)點(diǎn)關(guān)注和轉(zhuǎn)發(fā)特征的Sybil攻擊檢測(cè)方法和電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202011350554.6
• 申請(qǐng)日: 2020-11-26
• 公開（公告）號(hào): CN112839025B
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計(jì)）人: 毛劍;李響;林其簫;劉建偉
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): H04L9/40
• 分類號(hào): H04L9/40
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 黃玉霞

本發(fā)明公開了一種基于節(jié)點(diǎn)關(guān)注和轉(zhuǎn)發(fā)特征的Sybil攻擊檢測(cè)方法和電子設(shè)備，該檢測(cè)方法包括：獲取社交網(wǎng)絡(luò)用戶行為數(shù)據(jù)，并基于節(jié)點(diǎn)關(guān)注和轉(zhuǎn)發(fā)特征，從社交網(wǎng)絡(luò)用戶行為數(shù)據(jù)中提取得到節(jié)點(diǎn)特征向量和節(jié)點(diǎn)對(duì)特征向量；將節(jié)點(diǎn)特征向量輸入至預(yù)設(shè)節(jié)點(diǎn)分類器，得到節(jié)點(diǎn)的初始信任值，并將節(jié)點(diǎn)對(duì)特征向量輸入至預(yù)設(shè)節(jié)點(diǎn)對(duì)分類器，得到節(jié)點(diǎn)對(duì)的初始信任值；根據(jù)預(yù)設(shè)社交圖及節(jié)點(diǎn)對(duì)的初始信任值，構(gòu)建加權(quán)強(qiáng)社交圖；利用隨機(jī)游走算法根據(jù)節(jié)點(diǎn)的初始信任值在加權(quán)強(qiáng)社交圖中進(jìn)行信任傳播，得到Sybil節(jié)點(diǎn)集合和良性節(jié)點(diǎn)集合。該方法通過在社交網(wǎng)絡(luò)的圖結(jié)構(gòu)中整合用戶行為信息，有效提高了Sybil檢測(cè)的準(zhǔn)確性和實(shí)用性，且簡(jiǎn)單易實(shí)現(xiàn)。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)及信息安全技術(shù)領(lǐng)域，具體涉及一種基于節(jié)點(diǎn)關(guān)注和轉(zhuǎn)發(fā)特征的Sybil攻擊檢測(cè)方法和電子設(shè)備。

背景技術(shù)

Sybil攻擊指攻擊者利用其創(chuàng)造的大量虛假身份(即Sybil身份)實(shí)施惡意活動(dòng)，破壞系統(tǒng)功能的一種攻擊方式。目前社交網(wǎng)絡(luò)中Sybil攻擊的主流檢測(cè)方法分為兩類，分別為基于圖結(jié)構(gòu)的檢測(cè)方法和基于節(jié)點(diǎn)特征的檢測(cè)方法。

然而上述主流的Sybil攻擊檢測(cè)方法均具有一定局限性。其中，基于圖結(jié)構(gòu)的檢測(cè)方法對(duì)結(jié)構(gòu)假設(shè)的依賴性過強(qiáng)，所述假設(shè)在真實(shí)社交網(wǎng)絡(luò)中并不成立，從而導(dǎo)致基于圖結(jié)構(gòu)的檢測(cè)方法的有效性大大降低。并且基于圖結(jié)構(gòu)的檢測(cè)方法對(duì)節(jié)點(diǎn)初始信任值的設(shè)置存在一定局限性，忽略了節(jié)點(diǎn)間的差異性，容易產(chǎn)生大量誤報(bào)情況?；诠?jié)點(diǎn)特征的檢測(cè)方法其特征魯棒性較差，在基于已知的惡意特征進(jìn)行檢測(cè)時(shí)，攻擊者可以針對(duì)性地改變其行為從而輕易繞過檢測(cè)，使得檢測(cè)方法失效。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。為此，本發(fā)明的第一個(gè)目的在于提出一種基于節(jié)點(diǎn)關(guān)注和轉(zhuǎn)發(fā)特征的Sybil攻擊檢測(cè)方法，通過利用用戶行為特征和用戶標(biāo)簽相互關(guān)聯(lián)的特性，基于用戶行為特征生成初始信任值，并在社交圖的基礎(chǔ)上加入初始信任值構(gòu)建加權(quán)強(qiáng)社交圖，以根據(jù)加權(quán)強(qiáng)社交圖對(duì)Sybil節(jié)點(diǎn)進(jìn)行檢測(cè)，從而解決了基于圖結(jié)構(gòu)的檢測(cè)方法初始信任值設(shè)置的局限性和基于節(jié)點(diǎn)特征的檢測(cè)方法特征魯棒性較差的問題，提高了Sybil檢測(cè)的準(zhǔn)確性。

本發(fā)明的第二個(gè)目的在于提出一種電子設(shè)備。

為達(dá)到上述目的，本發(fā)明第一方面實(shí)施例提出了一種基于節(jié)點(diǎn)關(guān)注和轉(zhuǎn)發(fā)特征的Sybil攻擊檢測(cè)方法，包括：獲取社交網(wǎng)絡(luò)用戶行為數(shù)據(jù)，并基于節(jié)點(diǎn)關(guān)注和轉(zhuǎn)發(fā)特征，從所述社交網(wǎng)絡(luò)用戶行為數(shù)據(jù)中提取得到節(jié)點(diǎn)特征向量和節(jié)點(diǎn)對(duì)特征向量；將所述節(jié)點(diǎn)特征向量輸入至預(yù)設(shè)節(jié)點(diǎn)分類器，得到節(jié)點(diǎn)的初始信任值，并將所述節(jié)點(diǎn)對(duì)特征向量輸入至預(yù)設(shè)節(jié)點(diǎn)對(duì)分類器，得到節(jié)點(diǎn)對(duì)的初始信任值；根據(jù)預(yù)設(shè)社交圖和所述節(jié)點(diǎn)對(duì)的初始信任值，構(gòu)建加權(quán)強(qiáng)社交圖；利用隨機(jī)游走算法根據(jù)所述節(jié)點(diǎn)的初始信任值在所述加權(quán)強(qiáng)社交圖中進(jìn)行信任傳播，得到Sybil節(jié)點(diǎn)集合和良性節(jié)點(diǎn)集合。

根據(jù)本發(fā)明實(shí)施例的基于節(jié)點(diǎn)關(guān)注和轉(zhuǎn)發(fā)特征的Sybil攻擊檢測(cè)方法，通過從社交網(wǎng)絡(luò)用戶行為數(shù)據(jù)中提取出節(jié)點(diǎn)特征向量和節(jié)點(diǎn)對(duì)特征向量，并將節(jié)點(diǎn)特征向量和節(jié)點(diǎn)對(duì)特征向量輸入至預(yù)設(shè)分類器，得到節(jié)點(diǎn)和節(jié)點(diǎn)對(duì)的初始信任值，然后根據(jù)預(yù)設(shè)社交圖和節(jié)點(diǎn)對(duì)的初始信任值，構(gòu)建加權(quán)強(qiáng)社交圖，再根據(jù)節(jié)點(diǎn)信任值和加權(quán)強(qiáng)社交圖對(duì)Sybil節(jié)點(diǎn)進(jìn)行檢測(cè)，從而有效提高了Sybil檢測(cè)的準(zhǔn)確性。

為達(dá)到上述目的，本發(fā)明第二方面實(shí)施例提出了一種電子設(shè)備，包括存儲(chǔ)器、處理器和存儲(chǔ)在所述存儲(chǔ)器上的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述所述的基于節(jié)點(diǎn)關(guān)注和轉(zhuǎn)發(fā)特征的Sybil攻擊檢測(cè)方法。

根據(jù)本發(fā)明實(shí)施例的電子設(shè)備，通過上述的基于節(jié)點(diǎn)關(guān)注和轉(zhuǎn)發(fā)特征的Sybil攻擊檢測(cè)方法，有效提高了Sybil檢測(cè)的準(zhǔn)確性。

本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。

附圖說明

圖1為根據(jù)本發(fā)明一個(gè)實(shí)施例的社交圖示意圖；