在線社交網(wǎng)絡(luò)異常用戶的檢測與控制.pdf

1、在社交網(wǎng)絡(luò)中，異常用戶是始終存在的。當(dāng)前，對(duì)于異常用戶的檢測通常使用的是信息本身的特征來設(shè)計(jì)，這些檢測方法存在著計(jì)算開銷大、檢測效率低、影響用戶體驗(yàn)等弊端，同時(shí)缺少系統(tǒng)性的、有針對(duì)性的控制策略，因此對(duì)異常用戶的檢測和控制能力始終有限。
　　本文基于信息熵的概念，提出了一種針對(duì)在線社交網(wǎng)絡(luò)中異常用戶的，簡潔高效的檢測方法，評(píng)估平臺(tái)中用戶的風(fēng)險(xiǎn)大小。并改進(jìn)了一套適用于在線社交網(wǎng)絡(luò)的，鼓勵(lì)用戶之間信息分享，同時(shí)允許一定風(fēng)險(xiǎn)存在并有相應(yīng)風(fēng)

2、險(xiǎn)控制手段的訪問控制模型，使之可以根據(jù)檢測結(jié)果對(duì)異常用戶進(jìn)行有效合理的控制。
　　首先，本文介紹了社交網(wǎng)絡(luò)和社交網(wǎng)絡(luò)中異常用戶及其相關(guān)研究的現(xiàn)狀，分析了本課題研究的重難點(diǎn)，并闡述了本文所涉及的知識(shí)背景。
　　而后，本文提出了交互熵這一概念，并闡述了相關(guān)的定義與性質(zhì)。在說明了計(jì)算所需數(shù)據(jù)的類型和屬性之后，本文結(jié)合實(shí)例詳細(xì)闡述了，檢測周期的確定，根據(jù)用戶消息記錄數(shù)據(jù)計(jì)算用戶交互熵的具體步驟。
　　接著，本文根據(jù)在線社交網(wǎng)絡(luò)

3、環(huán)境，改進(jìn)并建立Fuzzy MLS模型。將異常用戶檢測過程中所得的風(fēng)險(xiǎn)值，映射到Fuzzy MLS模型中的相應(yīng)變量中，對(duì)模型進(jìn)行進(jìn)一步的修正，從而達(dá)到對(duì)異常用戶有針對(duì)性的控制，構(gòu)成完善有效的社交網(wǎng)絡(luò)異常用戶檢測與控制模型。
　　在此基礎(chǔ)上，本文使用真實(shí)數(shù)據(jù)集，計(jì)算并統(tǒng)計(jì)分析其中用戶的交互熵，而后將之映射到Fuzzy MLS模型中，完善模型構(gòu)筑和控制策略。之后，實(shí)驗(yàn)通過測試數(shù)據(jù)集的驗(yàn)證與分析，檢驗(yàn)本課題研究成果。
　　最后，本