论文笔记：Detection of Fake Accounts in Social Networks Based on One Class Classification

论文发表时间： 31 July 2019

摘要

在社交网络上发现虚假账户是一个具有挑战性的过程。以往识别虚假账户的方法没有考虑到用户通信的强度，从而降低了识别的效率。在这项工作中，我们将提出一种基于用户相似性的检测方法，考虑到用户的网络通信。

1. 在第一步中，基于社交网络中相应图的邻接矩阵，计算出共同近邻、共同近邻图边、余弦、Jaccard相似系数等相似测度。
2. 在下一步，为了减少数据的复杂性，利用主成分分析方法分析每个计算出的相似矩阵，提取一组信息特征。
3. 然后，利用elbow方法选择一组信息丰富的特征向量。提取的特征被用来训练一个特征类分类(OCC)算法。
4. 最后，利用该训练模型识别虚假账户。

如果将社交网络中的用户表示为节点（Node），用户之间的关系表示为边（Edge）。下图，我们认为 v1 和 u 的的相似度比 v2 和 u 的相似度更高，因为联系v1 和 u 的节点之间的边更多。论文中将这种现象称为通信强度（communications strength）

2 基本概念介绍

2.1 图分析

2.1.1共同的邻居（Common Neighbors）

$\Gamma (v)$表示节点 $v$ 的邻居集合，$\Gamma (u)$表示节点 $u$ 的邻居集合，如果节点 v 和节点 u 含有的共同邻居越多，则二者就越相似。

$$S(v,u)=|\Gamma (v)\cap \Gamma (u)|$$

2.1.2 节点的邻居之间存在的边数（Common Neighbor Graph Edges）

边的数量表示图中两个节点之间关系的强度。

2.1.3 Jaccard Index

2.1.4 Cosine Index

2.1.5 L1norm Similarity

2.2 相关的机器学习方法

One Class Classification、主成分分析方法（PCA）。

3 恶意用户检测的常用的方法

用于在线社交网络恶意用户异常检测的方法大致可以分为三类：

1. 基于行为的（behavior-based）
2. 基于图的（graph-based）
3. 基于机器学习的（machine learning-based）

4 论文提出的方法

该篇论文结合了基于图的和基于机器学习的方法。

用图的方法，将用户表示成节点，用户之间的关系表示为边，从而将我们获得的用户数据构建成图（Graph），也可以称作网络（Network）。

用机器学习的方法，提取用户数据中的特征，根据特征分类。社交网络中的用户通常被分为两类，正常用户和恶意用户，通常我们获得数据绝大部分都是正常用户，所以针对数据集中正例负例失衡的现象，该论文中采用的分类方法是One Class Classfication。

从获得数据集到检测出虚假用户，主要分为两个阶段，第一阶段，数据预处理；第二阶段，训练和发现虚假账户。

phrase1：

Step1：
首先，map social network into grap，进而得出图的邻接矩阵，两个用户之间有边，为1；无边，为0
Step2：
对以前方法的分析表明，任何特性都不能单独区分网络用户。因此，在该方法中利用了一些特征来提高虚假账户检测的准确性。定义相似度度量的目的是优化和提高提取特征的质量。如果提取的某一特征足够精确，那么这一特征就更加有利于我们精确并高效的识别出虚假账户。
Step3：
使用主成分分析来降低基于相似矩阵工作的初始空间的复杂度，并从表达用户之间通信的相似矩阵中提取信息特征。

phrase2：

5 实验

5.1 数据集

Twitter 的用户数以百万计，我们使用可获得的Twitter数据集：https://github.com/Kagandi/anomalous-verticesdetection/tree/master/data.

5.2 实验

1. 从构建的Graph中选择1000个节点，这样可以得到邻接矩阵（adjacency matrix）
2. 再通过邻接矩阵计算相似矩阵（similarity matrices），上文已经介绍了论文当中定义的不同的相似函数，根据不同的相似函数，可以计算得到不同的相似矩阵。
3. 用PCA对每一个相似矩阵降维