• SybilBlind：在没有人工标签的在线社会网络中检测伪造用户;

SybilBlind：在没有人工标签的在线社会网络中检测伪造用户

原文标题： SybilBlind: Detecting Fake Users in Online Social Networks without Manual Labels

地址： http://arxiv.org/abs/1806.04853

作者： Binghui Wang, Le Zhang, Neil Zhenqiang Gong

摘要： 从在线社会网络中检测虚假用户（也称为Sybils）是一个基本的安全研究问题。最先进的方法依赖大量人工标记的用户作为训练集。这些方法受到三个关键限制：1）人工标记大型训练集花费时间和成本，2）它们无法及时检测到新的虚假用户，3）他们很容易受到虚假用户攻击训练集的影响。在这项工作中，我们提出SybilBlind，这是一种基于结构的虚假用户检测框架，不依赖于人工标记的训练集。 SybilBlind在与最先进的基于结构的方法相同的威胁模型下工作。我们证明了SybilBlind的有效性，使用1）具有生成的虚假用户和2）具有真正虚假用户的两个Twitter社会网络数据集。以此为例，SybilBlind在Twitter数据集上达到0.98的AUC。

声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://netsci.complexly.cn （提供RSS订阅）进行同步更新。