隨著近年來互聯(lián)網(wǎng)的快速發(fā)展,在線社交網(wǎng)絡平臺已經(jīng)成為人們?nèi)粘Ｉ町斨械闹匾M成部分。社交平臺將互聯(lián)網(wǎng)快速、即時的特點,與傳統(tǒng)社交的人際關系相結合,拉近了人與人之間的關系。也正是由于這樣的特點,給了眾多不法分子從社會工程學角度實施攻擊的機會。這種攻擊針對性強、威脅度大、防御難度高,給平臺與用戶帶來了許多損失。因此,應該即時評估用戶節(jié)點的威脅度、進行相應的防御與處理。對于在線社交平臺的用戶進行異常檢測與判斷,具有十分重要的意義。本文從社會工程學角度出發(fā),對國內(nèi)外相關領域現(xiàn)有研究成果進行梳理,選擇Twitter平臺的用戶作為研究對象,通過分析用戶行為的異常程度來評估賬戶是否被劫持,并提出節(jié)點影響力的計算方法,進而得出節(jié)點威脅度。首先,在分析對比現(xiàn)有研究成果的基礎上,對用戶的行為模式提出兩大類特征。并針對本研究的實際需求與用戶在平臺上的活動特點,基于信息流提出7種小特征,構建用戶畫像。其次,提出基于監(jiān)督式層次分析法（Supervised Analytic Hierarchy Process,SAHP）的異常賬戶被劫持檢測方法。對上述的7種特征提出具體異常分數(shù)計算方式,利用信息增益率對特征進行排... 

【文章來源】：北京工業(yè)大學北京市 211工程院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

撞庫攻擊示意圖

Hierarchy Process，AHP）作為特征權值的計算方式。層次分析法是定量相結合的、系統(tǒng)化、層次化的分析方法。傳統(tǒng)的 AHP 方法中，劃分為不同的層次結構、構建層次模型，構建特征成對比較矩陣，采方法計算特征向量，歸一化后即為各特征權值[46]。構建層次模型時，如圖 4-1 所示，首先確定構建模型最終所需要即目標層。其次為解決問題提出相應的方法準則，即準則層。最后為具體解決方案，即方案層。從目標層出發(fā)，本研究最終期望得到更加被劫持檢測結果。基于模型的構建方式，選用 3.4 節(jié)所提出的 7 個特的評估準則，以此構建準則層。同時，在方案層的基礎上，通過確定出來的不同異常程度，得到特征權重。這里模型的構建，最終通過比行數(shù)值化的顯示。最后，通過本實驗所提出的監(jiān)督層，得到不同特征序，為傳統(tǒng)層次模型構建提供定量支持。

論上可以制造各種不同類型的被劫持賬戶，進一步研究不的影響。的選擇上，本文選用 O. Varol 等人在文獻[48]當中所使用的0 月起，對推特當中大約 10%的公開推文進行了為期 3 個月少發(fā)文 200 條、3 個月觀察期內(nèi)至少發(fā)送 90 條，且在推100 人次的用戶。經(jīng)過篩選，共 616 個原始賬戶。方法，我們利用原始數(shù)據(jù)，構造被劫持用戶。其中 N = 190 21，即共 6598 個用戶，每個用戶各 190 條推文數(shù)據(jù)，第 1第 151-171 條為自身原始推文，該部分為賬戶正常數(shù)據(jù)，照組。第 172-190 條為交換后所構造出來的異常數(shù)據(jù)，這與前部分的正常對照組進行實驗結果上的對比，以觀察檢私，以上用戶數(shù)據(jù)均已用編號代替其 ID。統(tǒng)機器學習算法進行比較，本研究再選擇取數(shù)據(jù)集 25%，，使用 3 種常用機器學習算法進行測試集預測，并對 SAH最后與 SAHP 進行數(shù)據(jù)對比。

【參考文獻】：
期刊論文
[1]貝葉斯網(wǎng)絡在用戶畫像構建中的研究[J]. 張小可,沈文明,杜翠鳳.  移動通信. 2016(22)
[2]微博數(shù)據(jù)獲取技術及展望[J]. 游翔,葛衛(wèi)麗.  電子科技. 2014(10)
[3]基于用戶行為的微博用戶社會影響力分析[J]. 毛佳昕,劉奕群,張敏,馬少平.  計算機學報. 2014(04)
[4]手機用戶畫像在大數(shù)據(jù)平臺的實現(xiàn)方案[J]. 張慷.  信息通信. 2014(02)
[5]新浪微博數(shù)據(jù)獲取技術研究[J]. 黃延煒,劉嘉勇.  信息安全與通信保密. 2013(06)
[6]影響力擴散概率模型及其用于意見領袖發(fā)現(xiàn)研究[J]. 樊興華,趙靜,方濱興,李欲曉.  計算機學報. 2013(02)
[7]用戶自然和社會屬性對網(wǎng)絡搜索中語言使用行為的影響[J]. 賴茂生,屈鵬.  現(xiàn)代圖書情報技術. 2008(07)



本文編號：3598050