社交机器人检测方法总结（可能不全）

1. 基于博文相似性的社交机器人检测方法：博文内容相似性、博文长度、博文标点符号、停用词相似性； 引入潜在语义分析模型（LSA）对账号的博文内容相似性特征进行计算； 社交机器人检测系统：离线数据库、特征提取模块、社交账号信息收集模块、社交机器人检测模块；
2. 基于蜜罐（Honeypot）的社交机器人检测：（蜜罐通常伪装成看似有利用价值的网络、数据、电脑系统，并故意设置bug来吸引攻击者，在拖延黑客攻击真正目标上有作用，初期使用该技术的如：杀毒软件厂商，用蜜罐来收集病毒样本；）（蜜场： 将网络中的可疑流量重定向到蜜场中，蜜网将低交互和高交互蜜罐结合起来，使蜜罐不再局限于硬件设备，变成数据化实体，如数据库入口、EXCEl电子表格；最终目的就是迷惑攻击者、拖延攻击者，保护真实服务器）借助传统网络攻击检测中的蜜罐技术，通过防御方主动设置一些有弱点的“诱饵”吸引攻击方进行攻击，从而捕获到攻击方的信息，对攻击行为进行分析，并对攻击方进行追踪，达到网络安全防护的目的
3. 基于机器学习的社交机器人检测：提取行为特征训练模型；（提取的特征集以及分类器算法各不相同，导致检测模型及检测效果不同）

        美国国防高级研究计划局DARPA，2015年2月、3月，具有影响力的社交机器人账号，将其作为比赛数据集；

        4. 基于用户点击流序列的恶意社交机器人检测方法：社交机器人行为序列模式库，通过对基于情景感知的用户点击流行为数据深入分析，获取用户点击序列间的转移概率及特定时间间隔特征，在空间维度上融入时间特征；

        5. 基于内容的检测：用户评论内容、用户发布内容进行检测；

        6. 基于用户行为检测：用户发布、转发；

        7. 基于图的检测：构建相应的图，对图进行分析；针对Spam账号的规避策略；基于随机游走的Sybil检测方法Sybilwalk，利用在线社交网络结构为用户分配信誉分数，使用分数对用户进行分类；

        8. 基于主成分分析方法将用户的恶意行为和正常行为区分开来；

        9. 基于挖掘方法的检测方案：定义行为模式以检测异常行为，用于监控用户活动以检测威胁的控制系统，利用遗传过程挖掘在社会网络网站中找到合适模型的思想；