基于加权最小二乘的社交网络用户定位方法

社交网络在提供位置交友等服务时,会对展示的用户距离文本进行混淆处理,以保护用户位置隐私。为了验证当前社交网络采用的位置混淆机制能否有效保护用户的精确位置不被泄露,提出了一种基于加权最小二乘的社交网络用户定位方法。该方法构造测试环境,对位置交友服务中混淆后的距离文本进行大量搜集和统计,结合真实距离数据识别报告距离对应的真实距离边界;基于对目标用户所处坐标系象限的判别,优化探针位置部署,并利用三边测量定位模型得到目标用户的多个初步位置估计;基于估计位置与探针的距离关系,分别确定目标用户相较各探针的最远距离和最近距离的权重,从而构造目标函数并基于加权最小二乘求目标函数的最优解,该最优解即目标用户的最终定位结果。该方法基于距离边界约束推断社交用户位置,避免了对位置服务的频繁查询,保证了对社交用户的定位效率。基于微信平台开展了社交用户定位实验,对500个微信用户的实际定位结果表明,该方法能够实现对微信“附近的人”用户的准确定位,与现有基于空间划分、基于启发式数论等典型定位方法相比,定位精度和效率均有更好的性能表现,平均定位误差降低了10%以上,定位过程中的位置服务访问次数减少了50%以上。

基于时空行为与静态属性分析的陌陌应用恶意用户检测方法

陌陌是一款流行的移动社交应用,其中存在实施诈骗、网赌网贷等网络违法犯罪活动的恶意用户,发现陌陌中的恶意用户具有重要意义。然而,陌陌应用具有用户间社交关系松散、发布文本内容有限等特点,导致现有恶意用户检测方法难以准确刻画用户特征,检测准确率低。为此,提出一种基于用户时空行为与静态属性分析的恶意用户检测方法。基于陌陌提供的位置服务,搜集用户在线时间、位置、异常标签等数据,构建用户时空信息数据集;对比数据集中正常用户与具有异常标签的恶意用户的在线时间和位置分布差异,分析恶意用户的时空行为特征;基于用户在不同时间段的在线概率刻画用户的时间行为特征,基于用户历史位置分布的聚集程度刻画用户的空间行为特征;最后,融合已获得的时空行为特征与性别属性训练用户分类模型,检测恶意用户。基于收集的67280个陌陌用户的1894917条数据,开展了恶意用户检测实验,结果表明,提出的方法能够有效检测出恶意用户,特别是针对历史发布内容较少的恶意用户时,所提方法正确分类恶意用户的能力显著优于代表性方法SybilSCAR和DatingSec,AUC-ROC和AUC-PR分别提升4.6%以上和19.88%以上。