One-class Classification with Deep Autoencoder Neural Networks for Author Verification in Internet R

One-class Classification with Deep Autoencoder Neural Networks for Author Verification in Internet Relay Chat-AICCSA 2019

在本文中，我们设计了一个自主的IRC监控系统，执行递归深度学习来分类消息的威胁级别，并开发了一种基于深度自编码神经网络的单类分类作者验证方法。实验结果表明，该方法能够成功地对IRC用户进行有效的作者验证。
方法：给一组明确的候选人分组，其他类型进行判别直接归为嫌疑人(单分类)

处理IRC(网络中继聊天)消息，分为正常，警告和高等级

我们的对称形状的深度自动编码器的架构如图5所示。输入层有52个节点，因为我们提取了52个人格洞察特征。因此，由于目的是重构样本，输出层也有52个节点。在autoencoder中加入5个完全连接的层(节点分别为30、20、10、20、30)作为隐藏层，形成深度自动编码器。中间隐含层，以10个节点为代码层，存储输入数据的压缩表示空间。我们的深度自动编码器使用tanh激活函数为每个隐藏层和身份函数为输出层。深度自动编码器学习参数使用亚当优化器与小批训练，以最小化均方误差。在完成训练阶段后，我们的深度自动编码器模型可以验证IRC消息的作者身份。IRC消息样本是否属于用户取决于重构错误。在测试阶段，如果一个IRC消息样本是由同一作者编写的，那么它的重构错误很低。而另一个作者写的重构误差很大。