一种基于图神经网络的多阶段自训练社交机器人检测方法技术

本发明专利技术提供了一种基于图神经网络的多阶段自训练社交机器人检测方法。本发明专利技术首先利用全连接神经网络以及LSTM分别对社交媒体上用户的基本信息以及其用户发表的推文信息进行处理，并利用双向长短期记忆网络融合不同类型的用户信息作为用户的属性特征。为了对用户属性以及用户之间的拓扑关系进行处理，本发明专利技术利用少量标记数据对改进的RGCN进行训练，并利用训练好的RGCN获得未标记数据的预测，结合不确定性感知和深度聚类机制为未标记数据赋予伪标签。最后利用扩充的标记数据集继续对检测模型进行训练，重复该过程，直到模型性能不再变化。在Twibot‑20数据集上的准确率达到0.9259，证明了在缺乏足够标记数据的情况下有效。

【技术实现步骤摘要】

本专利技术属于社会工程学领域，尤其涉及利用图神经网络对社交机器人进行检测。

技术介绍

1、社交媒体为人们日常生活不可或缺的一部分，它的流行度在全球范围内持续上升。在社交媒体平台上，每天都会讨论成千上万的热门话题，恶意的个人或组织会利用社交媒体的广泛传播性以及个人信息的可用性，通过创建虚假的自动账户来获得影响力，这些虚假账户通常被称为社交机器人，它们是一种生成内容并与用户交互的计算机算法。这些机器人通过模拟人类行为，发布信息，和人类互动来传播特定的观点，产品推广或者是虚假信息，从而直接或间接影响用户的观点和行为。除此之外，恶意社交机器人还有可能从开放的社交平台获取个人数据，依靠渗透社交网络的方式窃取平台用户隐私，即伪装成人类和其他用户建立友好关系，进而在与其互动的过程中获取更多个人信息，这严重威胁到了网络安全。

2、机器学习可以用来学习社交机器人的行为模式，它在社交机器人检测方面取得了良好的性能指标，并且易于实现。其中应用最广泛的方法包括支持向量机(svm)，随机森林(rf)，决策树(dt)，朴素贝叶斯(nb)等算法。然而，传统机器学习方法大多都本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的多阶段自训练社交机器人检测方法，其特征在于包括以下步骤：

【技术特征摘要】

1.一种基于图神经网络的多阶段自训练社交...

【专利技术属性】
技术研发人员：王秀娟，王可可，陈康淼，王钲翔，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：