在线社交网络恶意网址检测
| 摘要 | 第4-6页 |
| Abstract | 第6页 |
| 第1章 引言 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究动机 | 第12-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第2章 相关工作 | 第15-19页 |
| 2.1 针对恶意网址本身的解决方案 | 第15-16页 |
| 2.2 针对检测SPAMMER的解决方案 | 第16-19页 |
| 2.2.1 基于用户行为的统计模型 | 第16-17页 |
| 2.2.2 基于社交网络图算法 | 第17页 |
| 2.2.3 机器学习分类器 | 第17-19页 |
| 第3章 数据与背景概览 | 第19-21页 |
| 3.1 数据背景概览 | 第19页 |
| 3.1.1 新浪微博 | 第19页 |
| 3.1.2 转发行为 | 第19页 |
| 3.2 数据的收集与标记 | 第19-21页 |
| 第4章 基于转发的恶意网址检测 | 第21-34页 |
| 4.1 检测系统 | 第21-23页 |
| 4.1.1 数据收集模块 | 第21页 |
| 4.1.2 短网址转换模块 | 第21-22页 |
| 4.1.3 特征提取模块 | 第22页 |
| 4.1.4 训练模块 | 第22-23页 |
| 4.1.5 分类器模块 | 第23页 |
| 4.2 特征集合 | 第23-28页 |
| 4.2.1 基于网址的特征集合 | 第24页 |
| 4.2.2 基于转发的特征集合 | 第24-27页 |
| 4.2.3 基于社交图的特征 | 第27-28页 |
| 4.3 实验评估 | 第28-33页 |
| 4.3.1 混淆矩阵 | 第28-29页 |
| 4.3.2 基于转发的特征有效性 | 第29-31页 |
| 4.3.3 系统评估 | 第31-33页 |
| 4.4 小结 | 第33-34页 |
| 第5章 基于转发消息树的SPAMMER检测 | 第34-53页 |
| 5.1 消息转发树的定义 | 第34-36页 |
| 5.2 问题陈述 | 第36页 |
| 5.3 分析消息转发树的行为特征参数 | 第36-45页 |
| 5.3.1 消息转发树的转发层级分布 | 第37-38页 |
| 5.3.2 传播范围 | 第38-41页 |
| 5.3.3 重复转发行为 | 第41-42页 |
| 5.3.4 消息传播速度 | 第42-44页 |
| 5.3.5 消息转发树的权重 | 第44-45页 |
| 5.4 SPAMMER团体检测机制 | 第45-48页 |
| 5.4.1 基于账户特征 | 第45-47页 |
| 5.4.2 基于消息的特征 | 第47-48页 |
| 5.4.3 消息转发树的特征 | 第48页 |
| 5.5 实验 | 第48-52页 |
| 5.5.1 评估参数 | 第49页 |
| 5.5.2 检测系统的性能 | 第49-50页 |
| 5.5.3 基于消息转发树的特征有效性 | 第50-52页 |
| 5.6 小结 | 第52-53页 |
| 第6章 总结 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 作者简介及在学期间所取得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |
