社交机器人智能识别

        在线社交网络中恶意用户攻击手段逐渐升级，恶意行为不断变化，如何及时发现其行为特征并及时识别出恶意账号显得尤为重要。为减少社交网络平台中虚假信息的传播，保护在线社交平台中用户信息安全与社交平台的安全稳定，本项目主要针对目前在线社交网络平台中普遍存在的恶意社交机器人用户进行研究。本项目主要研究内容及创新之处如下：

        1. 基于点击流序列的恶意社交机器人识别方法研究

         在社交网络平台中，恶意社交机器人能够通过填充个人信息等手段更加智能地进行伪装，使其更难以被识别。通过对基于情境感知的用户点击流行为数据的深入分析，获取用户点击序列间的转移概率特征与特定时间间隔特征，在空间维度上加融入时间特征，设计了一种基于用户点击流序列的恶意社交机器人识别算法，能够及时准确的识别在线社交网络平台中的恶意社交机器人。

        2. 基于SocialSitu的恶意社交机器人行为模式分析及挖掘研究

        针对识别出的恶意社交机器人行为进一步分析，利用情境感知环境下用户的点击行为序列集合，挖掘恶意社交机器人的频繁行为序列模式，获取恶意社交机器人常用的行为序列，得到平台中恶意社交机器人的意图。然后利用恶意社交机器人行为预测进一步验证行为模式以及恶意社交机器人新行为序列的发现。最后，针对平台特点建立社交机器人行为模式库，达到长期监测的恶意社交机器人的目的。

        3. 恶意社交机器人识别技术在多媒体社交网络平台中的应用

        在实验室自主开发的多媒体社交网络平台晒我的(CyVOD)中，部署本项目提出的恶意社交机器人识别程序，并收集相关用户的行为信息，通过实验识别结果验证本项目提出的恶意社交机器人识别方法能够及时准确地识别平台中的恶意社交机器人账户。