基于微信好友签名识别AI诈骗

最新推荐文章于 2025-05-17 17:07:22 发布

扶离_flee

最新推荐文章于 2025-05-17 17:07:22 发布

阅读量312

点赞数 4

文章标签： python 学习

本文链接：https://blog.csdn.net/2301_77491688/article/details/147048515

版权

案例背景

近期"AI换脸"诈骗事件频发，许多人在社交媒体上收到"好友"的借钱请求，结果发现是骗子利用AI技术伪造了好友的声音和面容。这让我们意识到网络社交中情感判断的重要性。本教程将基于微信好友签名数据，使用SnowNLP进行情感分析，并通过PyEcharts可视化结果，帮助用户识别好友签名中的情感倾向。

技术准备

Python 3.x
所需库：pyecharts, snownlp, csv
数据文件：微信好友信息CSV文件（包含签名列）

实现步骤

第一步：准备数据

假设我们有一个名为my_wechat_friends.csv的文件，其中第6列(索引5)是好友的签名信息。

昵称,性别,地区,...,签名
张三,1,北京,...,生活很美好
李四,2,上海,...,最近心情不太好
...

第二步：情感分析代码实现

from pyecharts.charts import Pie
from pyecharts import options as opts
from collections import Counter
from snownlp import SnowNLP
import csv

def get_csv_data(filename, index):
    """读取CSV文件中指定列的数据"""
    lst_data = []
    with open(filename, 'r', encoding='utf-8') as fr:
        reader = csv.reader(fr)
        for row in reader:
            if len(row) > index:  # 确保索引有效
                lst_data.append(row[index])
    return lst_data

def analyze_mood(signature_list):
    """分析签名情感倾向"""
    # 跳过标题行
    signatures = signature_list[1:] if len(signature_list) > 0 else []
    
    positive_count = 0
    negative_count = 0
    neutral_count = 0
    
    for sig in signatures:
        if not sig.strip():  # 跳过空签名
            continue
            
        try:
            s = SnowNLP(sig)
            sentiment = s.sentiments
            
            # 情感分类标准
            if sentiment > 0.7:  # 积极
                positive_count += 1
            elif sentiment < 0.3:  # 消极
                negative_count += 1
            else:  # 中性
                neutral_count += 1
        except:
            # 处理可能的分析错误
            neutral_count += 1
    
    return positive_count, negative_count, neutral_count

def create_emotion_chart(positive, negative, neutral):
    """创建情感分析饼图"""
    emotion_types = ['积极签名', '消极签名', '中性签名']
    values = [positive, negative, neutral]
    
    # 计算百分比
    total = sum(values)
    percentages = [f'{v/total*100:.1f}%' for v in values]
    
    # 创建饼图
    pie = (
        Pie()
        .add(
            "",
            [list(z) for z in zip(emotion_types, values)],
            radius=["30%", "75%"],  # 环形饼图
            center=["50%", "50%"],
            rosetype="radius",  # 通过半径显示数值大小
            label_opts=opts.LabelOpts(
                formatter="{b}: {c} ({d}%)",  # 显示名称、数值和百分比
                color="#333"
            )
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title="微信好友签名情感分析",
                subtitle=f"共分析 {total} 位好友签名 (结合近期AI诈骗热点)",
                pos_left="center",
                pos_top="20"
            ),
            legend_opts=opts.LegendOpts(
                orient="vertical",
                pos_top="15%",
                pos_left="2%"
            ),
            tooltip_opts=opts.TooltipOpts(
                trigger="item",
                formatter="{a} <br/>{b}: {c} ({d}%)"
            )
        )
        .set_colors(["#67C23A", "#F56C6C", "#909399"])  # 设置颜色: 绿-积极,红-消极,灰-中性
    )
    
    return pie

第三步：执行分析并生成可视化

# 主程序
if __name__ == "__main__":
    # 1. 获取签名数据
    signatures = get_csv_data("my_wechat_friends.csv", 5)  # 假设签名在第6列
    
    # 2. 分析情感
    positive, negative, neutral = analyze_mood(signatures)
    
    print(f"分析结果: 积极 {positive}, 消极 {negative}, 中性 {neutral}")
    
    # 3. 创建图表
    chart = create_emotion_chart(positive, negative, neutral)
    
    # 4. 保存为HTML文件
    chart.render("wechat_friends_emotion_analysis.html")
    
    print("情感分析图表已生成: wechat_friends_emotion_analysis.html")

第四步：解读分析结果

结合近期AI诈骗热点，我们可以从情感分析中获得以下洞察：

积极签名占比高：如果好友签名大多积极向上，说明整体社交圈氛围健康。但仍需警惕，骗子可能伪装成正能量好友。
消极签名突增：如果发现某些好友签名突然变得消极，可能是账号被盗用的信号，需特别关注。
中性签名分析：中性签名中可能隐藏着广告或诈骗信息，需要进一步检查内容。

进阶功能：添加风险提示

我们可以修改代码，对消极签名进行关键词检测，添加诈骗风险提示：

def analyze_mood_with_risk(signature_list):
    """分析情感并检测风险关键词"""
    # ...（前面的情感分析代码保持不变）...
    
    risk_keywords = ['转账', '借钱', '紧急', '帮忙', '验证码', '点击']
    risk_signatures = []
    
    for sig in signatures:
        if not sig.strip():
            continue
            
        # 检测风险关键词
        if any(keyword in sig for keyword in risk_keywords):
            risk_signatures.append(sig)
    
    return positive_count, negative_count, neutral_count, risk_signatures

# 修改主程序
if __name__ == "__main__":
    signatures = get_csv_data("my_wechat_friends.csv", 5)
    positive, negative, neutral, risks = analyze_mood_with_risk(signatures)
    
    print(f"发现 {len(risks)} 条可能的风险签名:")
    for i, sig in enumerate(risks, 1):
        print(f"{i}. {sig}")
    
    # ...（其余代码保持不变）...