TIFS_2013_Empirical Evaluation and New Design for Fighting Evolving Twitter Spammers

最新推荐文章于 2024-07-19 19:07:20 发布
最新推荐文章于 2024-07-19 19:07:20 发布
阅读量749 收藏
点赞数
分类专栏： 阅读 文章标签： twitter url spammer detecting
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/se_lc7/article/details/38084557
版权

整篇文章基本上是描述对于twitter上的spammer进行检测。

本文中作者不关心twitter中的广告用户，只对含有恶意URL链接的用户感兴趣。

首先是用了2个方法来检测恶意或者是钓鱼的URL。

①Google Safe Browsing (GSB) 该方法是基于黑名单

②URL honeypot 基于Capture-HPC 在虚拟机中使用真实浏览器浏览URL


接着对恶意用户的规避策略进行了分析。

大致上可以分为两类：

①profile-based feature   根据关注数、粉丝数、发推数（followings、followers、tweets）

②content-based feature 根据发推内容包含的URL链接所占比例

恶意账号可以通过获取更多的粉丝（gainning more followers：购买、交换、自我创造）和发送更多推文（使用工具：Auto Twitter 、Twitter API）两种方法来规避基于轮廓的特征策略。

通过混要正常推文发送（Mixing Normal Tweets）和发送混杂推文（Posting Heterogeneous Tweets：不同的描述方式来重复同一内容：Spinbot）这两种方法来规避基于内容的特征策略。


作者设计了10个检测特征，包含：3个基于图的特征（graph-based features）、3个基于邻接点的特征（Neighbor-based features）、3个基于自动化的特征（automation-based features）和1个基于时间的特征（timing-based feature）。

基于图的特征和基于邻接点的特征是为了检测那些企图通过控制自己的社交行为来绕过基于轮廓特征检测策略的恶意账号，这些账号可以在一定程度上管理自己的行为，但是难以改变他们的关注用户和粉丝的行为。

基于自动化的特征和基于时间的特征是为了检测那些通过增加合理合法推文来规避内容检测的用户。


A.Graph-based feature

即使spammer能改变其自身的一些行为，但是想改变其在图中所处的位置还是比较难的。

将 twitter account 视为 结点→ i

每个关注关系视为有向边 → e

得到有向图（directed graph） G=（V,E）

设置了三个特征值

①local clustering coefficient   本地集聚系数

|ev| 表示所有邻接节点之间的所有的边数

Kv表示该节点入度出度的和


可见spammer的本地集聚系数会比较小。

②betweenness centrality  中介中心性（中间中心度）


δst(v)表示从s到t所有包含v结点的最短路径数

δst表示从s到t所有的最短路径数

n表示所有结点数

中间成员对路径两端的成员具有更大的“人际关系影响”。如果一个成员位于其他成员的多条最短路径上，那么该成员就是核心成员，就具有较大的中间核心性。

量化：

（1）各条线路的权系数相等；

（2）通讯过程中总是走最短路径；

（3）当存在不止一条最短路径时，每一条的使用概率相等。

本质：网络中包含成员 i 的所有最短路径的条数占所有最短路径条数的百分比。表示成员 i 的控制能力。（更多内容可以参考维基百科）


可见spammer会有更高的中介中心性。

③bi-directional links ratio   双向链接比


Nbilink表示双向链接数

Nfing表示关注的人数


B.Neighbor-based feature

①average neighbors' followers

②average neighbors' tweets

③following to median neighbors' followers

前两个特征主要是关注用户的粉丝数量平均值与发推数量平均值。

C.Automation-based feature

①API2 Ratio  通过API发推数/总发推数

②API URL Ratio  包含URL的通过API发送的推数/通过API发推总数

③API Tweet Similarity API发推的相似度

D.Timing-based feature

following rate  关注其他用户的速度


（未完待续）

seLc7
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling--论文阅读
熊熊小姐的博客
12-11 1712
An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling–论文阅读笔记 论文地址：https://arxiv.org/pdf/1803.01271.pdf TCN详解：TCN详解 尽管循环神经网络具有长期记忆的能力，但是CNN架构（文中的TCN）表现出更加长期的记忆能力. 1.1. Temporal Convolutional Networks 首先描述卷积序列预测的一般架构。
An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling
moliaochunfeng的博客
08-05 4752
TCN:An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling 该论文有以下几个重点方面： -1.Sequence Modeling:序列建模 -2.Causal Convolutions:因果卷积 -3.Dilated Convolutions:扩张卷积 -4.Re...
【论文阅读】An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling
m0_51324446的博客
02-10 3785
1.摘要 一般而言，序列模型与循环网络（recurrent networks）关系紧密(由于RNN的循环自回归结构能较好地表达出时间序列)。而传统的卷积网络（convolutional networks）由于卷积核大小的限制，对于长时间的依赖信息不能较好地抓取。 但是，研究发现，一些特殊的卷积神经网络模型在音频合成、机器翻译等任务上效果比递归神经网络更好。那么，对于一个新的任务，怎么选取网络结构呢？ 本文使用大量数据集对模型进行评估，发现简单的卷积结构在数据集的表现优于典型的循环网络（如LSTMs），
【深度学习论文阅读】TCN:An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence
热门推荐
Ray
05-03 1万+
2018年人工智能十佳论文之一：TCN 论文地址：An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling 项目地址：TCN的github链接 ABSTRACT 对于大多数 深度学习研究者而言，序列建模任务等价于RNN。但是最近的研究表明，在音频合成以及机器翻译等任务...
EWT20140424.rar_EWT2014_empirical wavelet_transform
07-14
Empirical Wavelet Transform
package_emd.rar_decomposition_empirical mode
09-24
《经验模态分解（Empirical Mode Decomposition, EMD）详解》 经验模态分解（Empirical Mode Decomposition，简称EMD）是一种自适应的数据分析方法，由Nasa的R. H. Huang于1998年提出。该方法主要用于处理非线性、...
VMD.rar_consonantlzi_empirical mode_vmd_分解_经验模态分解
07-15
经验模态分解（Empirical Mode Decomposition，简称EMD）是一种自适应的数据分析方法，用于非线性、非平稳信号的处理。它是由Nigel R. Huang在1998年提出的，目的是为了克服传统的傅立叶变换在处理这类信号时的局限...
eemd.zip_EEMD_decomposition_empirical mode_时间序列eemd_时间序列emd
09-20
经验模态分解（Empirical Mode Decomposition, EMD）方法是由美国NASA的黄锷博士提出的一种信号分析方法。它依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。EMD方法在理论上可以应用于任何类型...
ceemdan.zip_ceemdan 改进_ensemble empirical_orhtr_改进 分解_非平稳信号
07-14
自适应白噪声的完整经验模态分解，在信号处理领域有强大的分解能力，是改进的HHT的一种方法，适合对非线性、非平稳信号进行分解。
基于词级ngram的词袋模型对twitter数据进行情感分析
weixin_55982578的博客
07-19 1144
N 格是指给定文本或语音样本中 n 个项目的连续序列。这些项目可以是音素、音节、字母、单词或碱基对，具体取决于应用。N-grams 广泛应用于计算语言学和文本分析中的各种任务，如文本预测、拼写校正、语言建模和文本分类。它们为文本挖掘和自然语言处理（NLP）提供了一种简单而有效的方法。###了解 N 符n-gram 的概念很简单：它是由 ‘n’ 个连续项组成的序列。Unigram(n=1)： 单个项目或单词。Bigram(n=2)： 一对连续的项目或单词。Trigram（n=3）： 连续的三联项或词。
基于贝叶斯网络BO-Transformer-BiLSTM实现负荷数据回归预测附matlab代码.rar
07-27
1.版本：matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 5.作者介绍：某大厂资深算法工程师，从事Matlab算法仿真工作10年；擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验，更多仿真源码、数据集定制私信+。 替换数据可以直接使用，注释清楚，适合新手
易语言 - 易语言我的世界3D源码
07-27
易语言我的世界3D源码
avif-0.5.0-cp37-cp37m-manylinux2010_i686.whl
07-27
python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！
pillow-10.4.0-pp310-pypy310_pp73-macosx_11_0_arm64.whl
07-27
基本介绍 名称与起源：Pillow，原名为PIL（Python Imaging Library），但PIL只支持Python 2版本。随着Python 3的普及，Pillow作为PIL的一个分支出现，兼容Python 3并提供更多的功能和改进。 主要功能：Pillow支持多种图像格式的打开、保存、显示以及基本的图像操作和处理，如裁剪、缩放、旋转、翻转、滤镜应用等。 跨平台性：Pillow库可以在不同的操作系统上运行，包括Windows、Linux和MacOS等。 主要功能模块 Pillow库包含多个功能模块，每个模块都提供了特定的图像处理功能。以下是一些常用的模块： Image：用于处理图像文件，提供打开、保存、调整大小、旋转、裁剪、滤镜等功能。 ImageDraw：提供在图像上绘制各种形状（如线条、矩形、圆形）和文本的功能。 ImageFont：用于加载和使用TrueType字体文件，以便在图像上绘制文本时设置字体样式、大小和颜色。 ImageFilter：提供各种滤镜效果，如模糊、锐化、边缘增强等，用于图像增强、特效处理和图像识别等应用。 ImageEnhance：用于调整图像的亮度、对比度、颜色饱和度等参数，使图像更加清晰、明亮或具有特定的调色效果。 高级功能 除了基本的图像处理功能外，Pillow还支持一些高级功能，如色彩空间转换、直方图均衡化等。这些功能可以帮助用户进行更复杂的图像处理和分析。
[毕设]智能车辆租赁与调度系统.zip
最新发布
07-27
[毕设]智能车辆租赁与调度系统
ThinkPHP5开发的多小区物业管理系统源码修复版+安装说明
07-27
很适合做物业的一套源码,基于 ThinkPHP5 + Bootstrap 倾力打造的多小区物业管理系统源码，操作简单，功能完善，用户体验良好。 至简物业管理系统功能模块说明 统计分析 以小区为单位，统计如下数据： 小区总栋数 小区总户数 小区总人数 小区租户数量 小区每月收费金额统计 小区车位统计 小区车辆统计 小区宠物统计 小区报修统计 小区管理 主要功能：小区概述，坐落地址，占地面积，开发商名称，物业公司名称，绿化率等信息。房产信息管理：记录每个住户的基本信息，包括户主，房间数，单元信息，楼层 业主信息管理：记录业主基本信息、业主家庭成员、车辆、宠物等信息。 停车位管理：记录车位基本信息（车位编号）、记录车位的使用情况（租或买），费用等信息。 资产设备管理：公共设备管理，比如电梯，路灯，垃圾桶，配电箱管理等等。 收费管理：主要功能模块：收费项目定义、缴费记录管理。 值班管理：以日历的形式，对小区保安的值班情况进行管理。 权限管理：详细的操作权限控制，不仅仅是菜单
cykooz.resizer-3.0.0-cp38-cp38-macosx_11_0_arm64.whl
07-27
python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！ python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！
[毕设]学生数据可视化管理系统.zip
07-27
[毕设]学生数据可视化管理系统
报错：name 'calculate_empirical_distribution' is not defined
07-12
抱歉，我之前的回答中漏掉了定义 `calculate_empirical_distribution` 函数的部分。下面是补充完整的代码： ```python import numpy as np import scipy.stats as stats # 设置参数 k = 3 # 随机游动序列的数量 n = 100 # 样本长度 # 生成随机游动序列 def generate_random_walk_sequence(k, n): sequences = [] for i in range(k): sequence = np.cumsum(np.random.randn(n)) sequences.append(sequence) return sequences # 计算Xt的值 def calculate_Xt(Xc, I): return Xc - 1 + I # 训练ANN模型 def train_ann_model(inputs, targets): # 使用合适的训练算法和损失函数训练ANN模型 # 这里只是一个示例，具体的训练过程需要根据实际情况进行选择和实现 model = YourANNModel() model.train(inputs, targets) return model # 估计参数Δ和计算t统计量 def estimate_delta_and_calculate_t_statistic(errors): delta = np.mean(errors) t_statistic = delta / (np.std(errors) / np.sqrt(len(errors))) return delta, t_statistic # 重复计算并收集t统计量 def calculate_t_statistics(sequences, Xc): t_statistics = [] for sequence in sequences: I = np.random.randn(len(sequence)) Xt = calculate_Xt(Xc, I) inputs = np.array([Xt, sequence]).T targets = sequence model = train_ann_model(inputs, targets) predicted_sequence = model.predict(inputs) errors = predicted_sequence - sequence _, t_statistic = estimate_delta_and_calculate_t_statistic(errors) t_statistics.append(t_statistic) return t_statistics # 计算经验分布 def calculate_empirical_distribution(t_statistics): return stats.norm.fit(t_statistics) # 计算临界值 def calculate_critical_value(empirical_distribution, confidence_level): return stats.norm.ppf(1 - (1 - confidence_level) / 2, *empirical_distribution) # 主函数 def main(): # 生成随机游动序列 sequences = generate_random_walk_sequence(k, n) # 设置参数 Xc = 0 # 计算t统计量 t_statistics = calculate_t_statistics(sequences, Xc) # 计算经验分布 empirical_distribution = calculate_empirical_distribution(t_statistics) # 计算临界值 confidence_level = 0.95 critical_value = calculate_critical_value(empirical_distribution, confidence_level) print("Critical value:", critical_value) if __name__ == "__main__": main() ``` 请注意，这只是一个简单的示例代码，具体的实现需要根据实际情况进行适当的修改和调整。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值