[發(fā)明專利]一種基于圖神經(jīng)網(wǎng)絡(luò)的機(jī)器賬號識別及偽裝對抗方法

有效

• 申請?zhí)枺?/td>: 202110442722.2
• 申請日: 2021-04-23
• 公開（公告）號: CN113268782B
• 公開（公告）日: 2022-08-16
• 發(fā)明（設(shè)計(jì)）人: 李陽陽;劉弋鋒;武文翰;金昊;郭慶浪;楊智欽;彭浩;楊陽朝;石珺
• 申請（專利權(quán)）人: 中國電子科技集團(tuán)公司電子科學(xué)研究院;深圳市網(wǎng)聯(lián)安瑞網(wǎng)絡(luò)科技有限公司
• 主分類號: G06F21/73
• 分類號: G06F21/73;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 工業(yè)和信息化部電子專利中心 11010
• 代理人: 羅丹

本發(fā)明公開了一種基于圖神經(jīng)網(wǎng)絡(luò)的機(jī)器賬號識別及偽裝對抗方法，本發(fā)明是基于圖神經(jīng)網(wǎng)絡(luò)的機(jī)器賬號識別是通過網(wǎng)絡(luò)模型，學(xué)習(xí)到每一個用戶節(jié)點(diǎn)的嵌入表示，在用戶節(jié)點(diǎn)嵌入中將用戶節(jié)點(diǎn)和其鄰居節(jié)點(diǎn)之間的交互關(guān)系融合表示，在檢測機(jī)器賬號時，用戶節(jié)點(diǎn)的嵌入表示中包含該用戶節(jié)點(diǎn)和其他用戶節(jié)點(diǎn)交互的豐富信息，所以基于該嵌入表示可以非常準(zhǔn)確地達(dá)到檢測目的，從而最終提高機(jī)器賬號檢測的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別是涉及一種基于圖神經(jīng)網(wǎng)絡(luò)的機(jī)器賬號識別及偽裝對抗方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)服務(wù)的蓬勃發(fā)展，人們的生活已經(jīng)和互聯(lián)網(wǎng)交織在一起，許多社交生活和信息獲取的渠道也都由線下轉(zhuǎn)向了線上，為人們的生活提供了很多的便利，但在便利的生活之余，誕生了一種由軟件控制的機(jī)器賬號，稱之為社交機(jī)器人。例如惡意社交機(jī)器人是經(jīng)過精心策劃以實(shí)現(xiàn)在社交媒體上針對大規(guī)模輿論事件的方向進(jìn)行操縱，例如引導(dǎo)各種政治事件的輿論導(dǎo)向等等。另外，機(jī)器賬號還負(fù)責(zé)傳播可信度較低的信息或一些極端的意識形態(tài)，以及增加網(wǎng)民在線討論的混亂程度，等等。

而自從機(jī)器賬號開始在社交網(wǎng)絡(luò)中泛濫，就有許多針對機(jī)器賬號的檢測研究。但現(xiàn)有方法針對機(jī)器賬號的檢測都是以多維空間中獨(dú)立的點(diǎn)組成的社交數(shù)據(jù)集的形式進(jìn)行研究的，并不會將每個用戶作為一個獨(dú)立的數(shù)據(jù)點(diǎn)進(jìn)行研究，所以現(xiàn)有機(jī)器賬號檢測的準(zhǔn)確率較低，所以如何提高機(jī)器賬號檢測的準(zhǔn)確率成為現(xiàn)在亟待需要解決的問題。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于圖神經(jīng)網(wǎng)絡(luò)的機(jī)器賬號識別及偽裝對抗方法，以解決現(xiàn)有技術(shù)中不能很好地對機(jī)器賬號進(jìn)行準(zhǔn)確識別的問題。

第一方面，本發(fā)明提供了一種基于圖神經(jīng)網(wǎng)絡(luò)的機(jī)器賬號識別方法，該方法包括：在第一預(yù)設(shè)關(guān)系下，基于所述第一預(yù)設(shè)關(guān)系的圖神經(jīng)網(wǎng)絡(luò)GNN對該圖神經(jīng)網(wǎng)絡(luò)GNN下各個用戶節(jié)點(diǎn)的標(biāo)簽進(jìn)行預(yù)測，得到所述第一預(yù)設(shè)關(guān)系下各用戶節(jié)點(diǎn)的標(biāo)簽值；根據(jù)所述各用戶節(jié)點(diǎn)標(biāo)簽值確定所述用戶節(jié)點(diǎn)與其鄰居節(jié)點(diǎn)的相似度；根據(jù)所述圖神經(jīng)網(wǎng)絡(luò)GNN和所述相似度，按照第一預(yù)設(shè)相似度閾值來聚合所述用戶節(jié)點(diǎn)和其相似的鄰居節(jié)點(diǎn)，并過濾不相似的鄰居節(jié)點(diǎn)，得到所述第一預(yù)設(shè)關(guān)系下所述用戶節(jié)點(diǎn)的嵌入表示；重復(fù)執(zhí)行上述步驟，獲得其他預(yù)設(shè)關(guān)系下用戶節(jié)點(diǎn)的嵌入表示；將不同預(yù)設(shè)關(guān)系下的用戶節(jié)點(diǎn)的嵌入表示按照對應(yīng)預(yù)設(shè)關(guān)系下的預(yù)設(shè)相似度閾值進(jìn)行聚合，得到最終的嵌入表示，并基于該最終的嵌入表示判斷用戶節(jié)點(diǎn)是否是機(jī)器賬號。

可選地，所述根據(jù)所述各用戶節(jié)點(diǎn)標(biāo)簽值確定所述用戶節(jié)點(diǎn)與其鄰居節(jié)點(diǎn)的相似度之后，所述根據(jù)所述圖神經(jīng)網(wǎng)絡(luò)GNN和所述相似度，按照第一預(yù)設(shè)相似度閾值來聚合所述用戶節(jié)點(diǎn)和其相似的鄰居節(jié)點(diǎn)之前，所述方法還包括：

根據(jù)損失函數(shù)來對所確定的相似度進(jìn)行修正，使預(yù)測得到的用戶節(jié)點(diǎn)的標(biāo)簽值越來越接近預(yù)設(shè)的用戶節(jié)點(diǎn)的標(biāo)簽y_v，最終使預(yù)測得到的用戶節(jié)點(diǎn)的標(biāo)簽值更為準(zhǔn)確；

其中，l代表網(wǎng)絡(luò)的第l層，v代表用戶，代表第l層第v個節(jié)點(diǎn)的嵌入表示，y_v表示預(yù)設(shè)的第v個用戶節(jié)點(diǎn)的標(biāo)簽值，為預(yù)測得到的用戶節(jié)點(diǎn)的標(biāo)簽值。

可選地，所述標(biāo)簽為預(yù)先根據(jù)所述用戶節(jié)點(diǎn)的特征而設(shè)置的，且所述標(biāo)簽值的范圍在0-1之間，表示所述用戶節(jié)點(diǎn)屬于機(jī)器節(jié)點(diǎn)概率值。

可選地，所述方法還包括：通過強(qiáng)化學(xué)習(xí)來獲取每種預(yù)設(shè)關(guān)系所對應(yīng)的預(yù)設(shè)相似度閾值，以過濾掉具有偽裝行為的不相似節(jié)點(diǎn)。

可選地，所述通過強(qiáng)化學(xué)習(xí)來獲取每種預(yù)設(shè)關(guān)系所對應(yīng)的預(yù)設(shè)相似度閾值，包括：預(yù)設(shè)初始的相似度閾值，并通過多臂伯努利機(jī)B(A，f，T)計(jì)算的兩次相鄰訓(xùn)練過程的相似度的平均值，通過該平均相似度差值來對得到的預(yù)設(shè)相似度閾值進(jìn)行調(diào)整，直到得到最優(yōu)相似度閾值，并將該最優(yōu)相似度閾值作為對應(yīng)的預(yù)設(shè)關(guān)系預(yù)設(shè)相似度閾值；其中，A為是動作空間，f為獎勵函數(shù)，T為終止條件。