计算机应用研究

作者：吴正昊,曾国荪,

单位：1.同济大学计算机科学及技术系,上海201804；2.嵌入式系统与服务计算教育部重点实验室,上海201804；

关键词：社交网络,用户分类,机器学习,图神经网络,恶意用户,

基金：国家自然科学基金资助项目(62072337)；国家重点研发计划资助项目(2019YFB1704100)；；

社交网络新增恶意用户检测作为一项分类任务，一直面临着数据样本不足、恶意用户标注稀少的问题。在数据有限的情况下，为了能够精确地检测出恶意用户，提出一种基于自适应差异化图卷积网络的检测方法。该方法通过提取社交网络中的用户特征和社交关系构建社交网络图。构建社交网络图后，计算节点与邻居的相似度，并对邻居进行优先级排序，利用优先级顺序采样关键邻居。关键邻居的特征通过自适应权重的加权平均方式聚合到节点自身，以此更新节点特征。特征更新后的节点通过特征降维和归一化计算得到恶意值，利用恶意值判断用户的恶意性。实验表明该方法和其他方法相比，具有更高的恶意用户查全率和整体查准率，并且能够快速地完成对新增用户的检测，证明了自适应差异化图卷积网络能够有效捕捉到少量样本的关键特征。

来源：2023年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第9期