| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 社交用户数据采集 | 第13-14页 |
| 1.2.2 社交用户分析技术 | 第14-15页 |
| 1.3 论文主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 移动社交用户安全性分析相关技术研究 | 第18-26页 |
| 2.1 移动社交网络研究 | 第18-20页 |
| 2.1.1 移动社交网络概念和分类 | 第18-19页 |
| 2.1.2 移动社交网络信息传播特点 | 第19页 |
| 2.1.3 移动社交网络社交方式特点 | 第19-20页 |
| 2.2 移动社交用户数据采集研究 | 第20-22页 |
| 2.2.1 基于Android的移动应用界面结构特点研究 | 第20-21页 |
| 2.2.2 Android辅助服务功能 | 第21页 |
| 2.2.3 Android应用自动化测试技术 | 第21-22页 |
| 2.3 社交用户安全性分析研究 | 第22-25页 |
| 2.3.1 用户建模技术 | 第22-23页 |
| 2.3.2 LDA (Latent Dirichlet Allocation)主题模型 | 第23-24页 |
| 2.3.3 分类算法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 移动社交用户安全性分析方法设计 | 第26-43页 |
| 3.1 移动社交用户安全性分析方法总体设计 | 第26-27页 |
| 3.1.1 待解决问题 | 第26页 |
| 3.1.2 总体设计 | 第26-27页 |
| 3.2 基于Android的移动社交用户数据自动采集研究 | 第27-35页 |
| 3.2.1 待采集用户数据 | 第28页 |
| 3.2.2 Android社交应用界面结构特点 | 第28-34页 |
| 3.2.3 移动社交用户数据自动采集方案 | 第34-35页 |
| 3.3 基于对话流和群描述主题的异常社交群组发现方法 | 第35-38页 |
| 3.3.1 社交群组异常检测思路 | 第35-36页 |
| 3.3.2 对话流数据特点分析 | 第36-37页 |
| 3.3.3 建立噪声词库 | 第37页 |
| 3.3.4 主题提取 | 第37-38页 |
| 3.3.5 社交群组异常检测 | 第38页 |
| 3.4 基于社交群组的恶意用户识别方法 | 第38-42页 |
| 3.4.1 移动社交用户特征分析 | 第39-40页 |
| 3.4.2 分类算法选择 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 移动社交用户安全性分析方法实现 | 第43-56页 |
| 4.1 总体框架 | 第43页 |
| 4.2 数据采集模块 | 第43-47页 |
| 4.3 数据预处理模块 | 第47-49页 |
| 4.3.1 文本预处理 | 第47-48页 |
| 4.3.2 相关数据计算 | 第48-49页 |
| 4.4 社交群组异常检测模块 | 第49-52页 |
| 4.4.1 主题提取 | 第49-51页 |
| 4.4.2 异常检测 | 第51-52页 |
| 4.5 恶意用户识别模块 | 第52-55页 |
| 4.5.1 用户特征提取 | 第52-54页 |
| 4.5.2 用户识别 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 实验结果与分析 | 第56-65页 |
| 5.1 实验环境 | 第56页 |
| 5.2 基于Android的移动社交用户数据采集工具性能评估与分析 | 第56-57页 |
| 5.2.1 测试方法及评估指标 | 第56-57页 |
| 5.2.2 实验结果与分析 | 第57页 |
| 5.3 移动社交用户安全性分析方法性能评估 | 第57-64页 |
| 5.3.1 实验数据集 | 第57-59页 |
| 5.3.2 评价指标 | 第59-60页 |
| 5.3.3 实验结果与分析 | 第60-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 下一步研究工作 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |
