**近，河南省网络空间安全应用国际联合实验室（河南科技大学）和国际学者共同研发了一种基于社交情境分析（Social Situation Analytics）和用户点击流行为序列的恶意社交机器人半监督聚类检测方法和系统。该方法重点分析了用户点击流的转移概率和用户行为间转化的时间特征。针对不同类别的社交机器人（执行单项任务或混合任务），该系统检测准确率同基于用户行为数量分析的检测方法相比，平均提高了12.8％。

       社交机器人（SocialBot）是一种运行于在线社交网络平台和服务中的自动化机器程序。它是一把双刃剑，一方面它可以替代人工，按规程执行各种人为设定的社交任务，包括发布、分析和处理海量数据，另一方面它也可能被恶意用户所设计和利用，用来执行虚假信息（新闻）发布及传播、虚假账号欺骗、灌水和刷粉等各种恶意行为和活动，从而严重影响到虚拟社交网络空间安全和信任。随着人工智能的蓬勃发展，机器学习和深度学习为社交机器人检测提供了新的检测方法和手段。

       该方法和系统已成功应用于国内一款互联网+科技信息服务平台——晒我的，可高效、精准识别与检测目标平台下存在的社交机器人恶意行为和虚假账号。