基于重构编码异常检测的多通道网络线索发现方法与装置制造方法及图纸

本发明专利技术公开一种基于重构编码异常检测的多通道网络线索发现方法及装置，该方法步骤如下：步骤一、构建面向暗网、telegram、区块链交易网络的正则化多通道网络并进行节点对齐；步骤二、基于多通道图表征重构的特征表示学习的线索检测：该装置包括：多通道网络构建与对齐模块、多通道图表征重构的特征表示学习的线索检测模块。本发明专利技术可实现对暗网、国外主流即时通讯工具等多通道的网络进行监测，实现网络异常发现和内容管控,实现针对不良信息发现，或者一些网络异常行为的发现。

【技术实现步骤摘要】
基于重构编码异常检测的多通道网络线索发现方法与装置
本专利技术一种基于重构编码异常检测的多通道网络线索发现方法与装置方法及装置，涉及网络表示学习，文本分析，数据挖掘交叉领域，尤其涉及面向网络空间线索发现方法。
技术介绍
近年来，随着信息技术的发展，现有的互联网信息监测系统，基本应用于对互联网如微博、贴吧、微信等明网行为进行监测，实现网络异常发现和内容管控,实现针对不良信息发现，或者一些网络异常行为的发现等。上述技术与应用主要面向明网信息，但缺少对暗网、国外主流即时通讯工具等多通道的网络的线索发现技术与分析应用装置。
技术实现思路
本专利技术的目的在于提出一种基于重构编码异常检测的多通道网络线索发现方法与装置，包括重构编码异常检测方案框架并将该框架运用于多通道网络线索发现方法与装置，在框架中首先使用近邻自编码器将原数据维度进行降低，在该过程中保持检测器所需要的关键近邻信息，再输入多通道网络检测器进行异常检测，这里的异常即为线索。本专利技术采用了下列技术方案：基于重构编码异常检测的多通道网络线索发现方法，步骤如下本文档来自技高网...

【技术保护点】
1.一种基于重构编码异常检测的多通道网络线索发现方法，其特征在于：该方法步骤如下：/n步骤一、构建面向暗网、telegram、区块链交易网络的正则化多通道网络并进行节点对齐；/n步骤二、基于多通道图表征重构的特征表示学习的线索检测：/nS21、构建所述多通道的图的K近邻为参考对象：通过K近邻方法计算每个数据点的K近邻距离作为异常分，即通过考察数据点的近邻关系来进行线索检测；即如果K近邻距离存在异常分，则是存在需要检测的异常的线索；/nS22、构建重构编码器网络：将K-近邻节点的图节点作为输入，输入到图卷积网络GCN模型中学习该节点的低维嵌入表示；/nS23、构建重构解码器网络：K近邻距离作为异...

【技术特征摘要】
1.一种基于重构编码异常检测的多通道网络线索发现方法，其特征在于：该方法步骤如下：
步骤一、构建面向暗网、telegram、区块链交易网络的正则化多通道网络并进行节点对齐；
步骤二、基于多通道图表征重构的特征表示学习的线索检测：
S21、构建所述多通道的图的K近邻为参考对象：通过K近邻方法计算每个数据点的K近邻距离作为异常分，即通过考察数据点的近邻关系来进行线索检测；即如果K近邻距离存在异常分，则是存在需要检测的异常的线索；
S22、构建重构编码器网络：将K-近邻节点的图节点作为输入，输入到图卷积网络GCN模型中学习该节点的低维嵌入表示；
S23、构建重构解码器网络：K近邻距离作为异常分，即通过考察数据点的近邻关系来进行异常检测；解码器在降维过程中保持数据点之间的近邻关系，即：如果近邻点在降维之后仍然保持互为近邻，则该降维器可以适应K近邻检测特征；否则不适应K近邻检测特征，则为异常；
S24、训练基于图表征重构的特征表示学习的线索检测模型，使得模型达到最优效果。


2.根据权利要求1所述的基于重构编码异常检测的多通道网络线索发现方法，其特征在于：所述步骤一具体包括：
S11、以暗网实体信息为种子词进行正则匹配并筛选文本中含有种子词的实体；
S12、以telegram实体信息为种子词进行正则匹配并筛选文本中含有种子词的实体；
S13、以区块链实体信息为种子...

【专利技术属性】
技术研发人员：林绅文，贺敏，毛洪亮，崔佳，徐小磊，王秀文，杨菁林，
申请(专利权)人：国家计算机网络与信息安全管理中心，
类型：发明
国别省市：北京;11