利用动态模式检测在线社交网络中的恶意账户
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 引言 | 第10-14页 |
| 1.1 研究背景简介 | 第10-12页 |
| 1.2 本文工作 | 第12-13页 |
| 1.3 论文结构 | 第13-14页 |
| 第2章 相关工作 | 第14-16页 |
| 第3章 动机和前提假设 | 第16-18页 |
| 3.1 本文动机 | 第16页 |
| 3.2 前提假设 | 第16-18页 |
| 3.2.1 假设一 | 第16-17页 |
| 3.2.2 假设二 | 第17-18页 |
| 第4章 动态模型 | 第18-23页 |
| 4.1 状态表示 | 第18-19页 |
| 4.1.1 基于图的特征 | 第18页 |
| 4.1.2 非图的特征 | 第18-19页 |
| 4.1.3 小结 | 第19页 |
| 4.2 描述变化 | 第19-21页 |
| 4.3 基于动态模式的特征 | 第21-23页 |
| 第5章 检测恶意账户 | 第23-29页 |
| 5.1 用于聚类的特征向量 | 第23-25页 |
| 5.1.1 定义 | 第23-24页 |
| 5.1.2 距离 | 第24-25页 |
| 5.2 聚类算法和有效性指标 | 第25-26页 |
| 5.3 监督学习分类 | 第26-29页 |
| 5.3.1 基于聚类的特征 | 第27-28页 |
| 5.3.2 基于账户自身的特征 | 第28-29页 |
| 第6章 实验 | 第29-39页 |
| 6.1 概览 | 第29页 |
| 6.2 数据集 | 第29-31页 |
| 6.3 动态模型 | 第31-33页 |
| 6.4 聚类 | 第33-35页 |
| 6.5 检测 | 第35-39页 |
| 6.5.1 性能指标 | 第35-36页 |
| 6.5.2 结果评估 | 第36-39页 |
| 第7章 结语与展望 | 第39-40页 |
| 7.1 本文工作总结 | 第39页 |
| 7.2 未来工作展望 | 第39-40页 |
| 参考文献 | 第40-45页 |
| 附录 | 第45-48页 |
| A.基于图特征的状态表示 | 第45-46页 |
| B.Kullback-leibler散度 | 第46-47页 |
| C.Dunn’sIndex | 第47-48页 |
| 作者简介及在学期间所取得的科研成果 | 第48-49页 |
| 致谢 | 第49页 |
