一种在线约会APP中的异常用户检测方法

本发明属于社交网络领域中，使用深度学习方法来对在线约会app中的恶意用户进行识别。

背景技术：

1、

2、图作为一种通用的数据结构，被广泛用于表示复杂的结构化数据。相对于其他数据结构，它能更好地存储和表达实体及其联系。图异常检测是指在一个大图或海量图数据库中寻找包含“陌生”或者“不寻常”模式的结构，具有广泛的应用场景。相较于传统的异常检测方法，基于图的异常检测由于图具有强大的表达能力，不仅可以将复杂的数据加以直观的呈现，同时也能将数据中隐含的相关性融入到异常检测过程中。

3、随着社交网络中恶意用户的伪装越来越高级、隐蔽。如何有效地识别恶意用户已经愈发重要。基于信任模型以及图神经网络的恶意用户检测系统可以快速而有效地检测出恶意用户，对维护网络秩序、营造良好的网络环境具有重要意义。

4、区别于其他文献的基于传统机器学习的识别方法。本发明方法充分结合用户的个人基本信息，用户交互信息，以及用户对话信息，构建出信任模型后，图神经网络可以充分地利用信任模型的信息并输出用户的可疑程度。在识别精度上，也有了较为明显的提升。

技术实现思路

1、本发明的目的是针对现有技术的不足，为了充分发挥图神经网络在社交网络中的强大识别功能，提高约会app中识别恶意用户的准确性，本发明提出了一种基于信任模型以及图神经网络的恶意用户识别方法。

2、本发明解决其技术问题所采用的技术方案包括：构建信任模型以及利用图神经网络进行检测。

3、一种在线约会app中的异常用户检测方法，步骤如下：

4、步骤一、利用用户的个人信息计算用户个人信息完整度，利用用户的交互信息来计算用户交互异常度，利用用户的对话信息来计算用户对话异常度，综合构建用户的信任模型。

5、步骤二、对信任模型输出的结果进行数据平衡再处理。

6、步骤三、标注正常用户与恶意用户，构建适用于图神经网络的数据集。

7、步骤四、对构建的数据集采用图神经网络中的graphsage方法进行训练，从一组组中心节点出发，采用对邻居进行随机采样来控制节点k阶子图的规模，在此基础上对采样的子图进行随机组合完成训练。

8、步骤五、利用训练好的图神经网络模型对新的用户数据进行检测。

9、本发明有益效果如下：

10、本发明方法充分结合在线约会专家判别恶意用户的经验，结合用户的个人信息，对话信息，交互信息构建信任模型，利用图神经网络强大的识别功能，可以自动判别在线约会app中的恶意用户。在识别精度上，也有了较为明显的提升。

技术特征：

1.一种在线约会app中的异常用户检测方法，其特征在于，步骤如下：

2.根据权利要求1所述的一种在线约会app中的异常用户检测方法，其特征在于，所述的构建信任模型的具体操作如下：

3.根据权利要求2所述的一种在线约会app中的异常用户检测方法，其特征在于，步骤二具体方法如下：

4.根据权利要求3所述的一种在线约会app中的异常用户检测方法，其特征在于，步骤三具体方法如下：

5.根据权利要求4所述的一种在线约会app中的异常用户检测方法，其特征在于，步骤四具体方法如下:

技术总结
本发明公开了一种在线约会APP中的异常用户检测方法，首先综合构建用户的信任模型；对信任模型输出的结果进行数据平衡再处理；再标注正常用户与恶意用户，构建适用于图神经网络的数据集；对构建的数据集采用图神经网络中的GraphSage方法进行训练，从一组组中心节点出发，采用对邻居进行随机采样来控制节点K阶子图的规模，在此基础上对采样的子图进行随机组合完成训练；最后利用训练好的图神经网络模型对新的用户数据进行检测。本发明方法充分结合用户的个人信息，对话信息，交互信息构建信任模型，利用图神经网络强大的识别功能，可以自动判别在线约会APP中的恶意用户。在识别精度上，也有了较为明显的提升。

技术研发人员：申兴发,吕文韬,叶岩明,刘洺辛
受保护的技术使用者：杭州电子科技大学
技术研发日：
技术公布日：2024/1/13