基于双曲空间与自适应图结构的社交机器人检测方法技术

一种基于双曲空间与自适应图结构的社交机器人检测方法，由获取数据集、划分数据集、提取各类别的用户特征、构建社交机器人检测网络、训练社交机器人检测网络、测试已构建的社交机器人检测网络、识别和检测社交机器人步骤组成。本发明专利技术解决了传统欧氏空间难以建模社交网络层级化结构的问题，降低了高维稀疏数据下的表征失真，降低了噪声边对检测结果的影响和误检率；解决了表征学习中的过拟合问题和异质社交网络中关系类型不平衡的问题，优化了检测精度。对比实验结果表明，本发明专利技术方法在复杂网络环境下对噪声交互和异常拓扑结构具有更强的鲁棒性。在检测精度与泛化能力之间实现了良好平衡，在训练数据有限的情况下能实现快速收敛与高模型性能。

【技术实现步骤摘要】

本专利技术属于社交网络信息安全，具体涉及基于双曲空间学习与动态图神经网络的社交机器人检测方法。

技术介绍

1、在线社交网络的快速发展为信息传播和社会互动提供了前所未有的便利，但同时也催生了以社交机器人为代表的自动化操纵工具。这些机器人依托应用程序接口和生成式人工智能技术，能够模拟人类用户的社交行为并塑造虚假舆论。随着技术的演进，社交机器人已从早期的简单垃圾信息发送者升级为具备自适应能力的复杂系统，能够在政治选举、公共卫生危机、社会运动等关键事件中实施精准的舆论干预。

2、生成式ai的崛起使得机器人能够轻易伪造或篡改元数据，且生成的文本在语法和语义上与人类用户高度接近，导致传统检测方法的准确率大幅下降。近年来，图神经网络因其强大的拓扑建模能力成为主流检测技术，通过聚合邻居节点特征识别异常用户。然而，现有方法在欧氏空间中进行特征学习，而社交网络的层次化结构，如用户所属社群、影响力层级，在欧氏空间中难以有效表征，限制了模型的判别能力。此外，现有方法将交互行为简化为离散标签，如"关注""转发"，忽略了机器人通过间歇活跃或行为模仿等动态策略规避检测的关键本文档来自技高网...

【技术保护点】

1.一种基于双曲空间与自适应图结构的社交机器人检测方法，其特征在于它是由下述步骤组成：

2.根据权利要求1所述的基于双曲空间与自适应图结构的社交机器人检测方法，其特征在于：在步骤(4)构建社交机器人检测网络中，所述的联合表征学习模块由双曲空间变换器与线性融合层、非线性变换层依次串联构成。

3.根据权利要求2所述的基于双曲空间与自适应图结构的社交机器人检测方法，其特征在于：所述的双曲空间变换器由双曲空间层1与双曲空间层2、双曲空间层3、双曲空间层4依次并联构成。

4.根据权利要求1所述的基于双曲空间与自适应图结构的社交机器人检测方法，其特征在于：在步骤(...

【技术特征摘要】

1.一种基于双曲空间与自适应图结构的社交机器人检测方法，其特征在于它是由下述步骤组成：

2.根据权利要求1所述的基于双曲空间与自适应图结构的社交机器人检测方法，其特征在于：在步骤(4)构建社交机器人检测网络中，所述的联合表征学习模块由双曲空间变换器与线性融合层、非线性变换层依次串联构成。

3.根据权利要求2所述的基于双曲空间与自适应图结构的社交机器人检测方法，其特征在于：所述的双曲空间变换器由双曲空间层1与双曲空间层2、双曲空间层3、双曲空间层4依次并联构成。

4.根据权利要求1所述的基于双曲空间与自适应图结构的社交机器人检测方法，其特征在于：在步骤(4)构建社交机器人检测网络中，所述的变分边优化模块由边特征编码层与变分自编码层、边可靠性评分层依次串联构成。

5.根据权利要求1所述的基于双曲空间与自适应图结构的社交机器人检测方法，其特征在于：在步骤(4)构建社交机器人检测网络中，所述的动态图网络由基分解正则化层、消息传递层1、消息传递层2、关系权重动态融合层、目标节点变换层联接构成，基分解正则化层的输出端分别接消息传递层1、消息传递层2，消息传递...

【专利技术属性】
技术研发人员：王小明，刘泽坤，林亚光，王亮，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：