基于行为分析的社交网络异常账号的检测
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 问题的提出与研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 信息安全研究现状 | 第12-14页 |
| 1.2.2 社交网络平台安全研究现状 | 第14-15页 |
| 1.2.3 社交网络用户行为分析研究现状 | 第15-17页 |
| 1.3 本文研究目标与内容 | 第17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 2 基本理论与相关研究 | 第19-26页 |
| 2.1 基本理论 | 第19-22页 |
| 2.1.1 社交网络 | 第19-20页 |
| 2.1.2 社交网络安全 | 第20-21页 |
| 2.1.3 社交网络用户行为 | 第21页 |
| 2.1.4 隐马尔可夫模型 | 第21-22页 |
| 2.2 社交网络异常账号定义和分类 | 第22-23页 |
| 2.3 社交网络用户行为分析方法 | 第23-25页 |
| 2.3.1 社交网络用户采取接纳行为分析 | 第23页 |
| 2.3.2 社交网络用户连续使用行为分析 | 第23-24页 |
| 2.3.3 社交网络个体用户使用行为分析 | 第24页 |
| 2.3.4 社交网络群体用户互动行为分析 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 社交网络用户行为数据的获取 | 第26-40页 |
| 3.1 社交网络用户行为数据获取方式 | 第26-27页 |
| 3.1.1 基于蜜罐的数据获取技术 | 第26-27页 |
| 3.1.2 基于网络爬虫的数据获取技术 | 第27页 |
| 3.2 基于网络爬虫的微博数据获取 | 第27-37页 |
| 3.2.1 关键信息获取技术 | 第27-30页 |
| 3.2.2 微博信息爬取技术框架 | 第30-34页 |
| 3.2.3 信息爬取实现 | 第34-37页 |
| 3.3 样本数据结构及采集成果 | 第37-39页 |
| 3.3.1 数据库结构 | 第37-38页 |
| 3.3.2 数据结果 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于隐马尔可夫模型的异常账号检测 | 第40-51页 |
| 4.1 异常账号行为特征分析 | 第40-41页 |
| 4.2 账号分析模型选型 | 第41页 |
| 4.3 基于隐马尔可夫模型对网络行为建模 | 第41-42页 |
| 4.4 隐马尔可夫模型HMM的训练 | 第42-44页 |
| 4.5 异常用户检测过程 | 第44-49页 |
| 4.5.1 4维隐变量的状态迁移过程 | 第44-45页 |
| 4.5.2 异常用户检测结论及其分析 | 第45-49页 |
| 4.6 检测结果对比分析 | 第49-50页 |
| 4.7 本章小结 | 第50-51页 |
| 5 虚假粉丝用户检测及异常用户检测系统实现 | 第51-60页 |
| 5.1 虚假粉丝账号行为特征分析 | 第51-52页 |
| 5.2 基于隐马尔可夫模型对网络行为建模 | 第52-53页 |
| 5.3 虚假粉丝的检测过程 | 第53-55页 |
| 5.4 虚假粉丝检测结果的数据统计分析 | 第55页 |
| 5.5 微博异常用户检测系统实现 | 第55-59页 |
| 5.6 本章小结 | 第59-60页 |
| 6 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |
