[发明专利]网络水军的检测方法及装置

说明书

技术领域

本发明涉及网络技术领域，尤其涉及一种网络水军的检测方法及装置。

背景技术

随着信息技术的发展与进步，网络空间已成为继陆、海、空、天四维空间以外的人类第五维活动空间，尤其在WEB2.0技术应用于互联网领域之后，论坛、微博等社交应用的发展更是如火如荼。然而在网络空间迅速发展的同时，它所带来的安全问题也越来越突出,其中以来源于“网络水军”的安全问题最为常见。“网络水军”是受雇于网络公关公司，针对特定主题进行发回帖造势的网络用户，据相关机构调查，我国从事网络营销活动的推手已达数百万人，受雇于商业组织的“网络水军”日趋规模化、公开化、集团利益化。从“封杀王老吉营销策划方案”到猫扑的“虐猫女事件”再到“蒙牛陷害门”丑闻，可以说，“网络水军”已经触碰到了法律的底线，甚至有一部分“网络水军”在国外别有用心的机构操纵之下，在国内各大论坛发布攻击信息、造谣言论和挑拨语言，制造矛盾，进行恶意的网络文化渗透，危害国家安全。可见，对“网络水军”进行监管已经刻不容缓。

不同于实体环境，网络论坛的虚拟环境存在固有的开放性特点和独特的信息传播规律，这就给“网络水军”监管带来很大挑战，主要体现在以下两个方面：

首先，网络论坛中热门信息的传播呈爆炸趋势，因此事后删帖的方式并不能对损害结果进行彻底补救，甚至，删帖行为本身反而会被水军利用，从某种程度上“证实”消息内容的真实性。

其次，网络论坛包含海量数据，如何构造有效的算法从大量无规则数据中提取可用信息，成为“网络水军”监管的最大障碍。

因此，对“网络水军”的监管不仅要从法律与制度层面完善相关网络法律体系、及时公布政务情况和公共事件动向，更需要结合网络论坛的特点，从技术层面提高大规模用户数据处理能力，研究和改进适用于“网络水军”检测的相关算法，从而识别论坛中的“网络水军”用户，在源头上阻止水军贴的发布。

“网络水军”检测实质上是分类问题，一种普遍的做法是分析已知分类用户的相关信息及历史行为，从中提取水军用户区别于正常用户的特点，进而对未知分类用户信息进行分析，判定哪些用户最可能是“网络水军”。目前常用于分类问题的算法包括贝叶斯网络、支持向量机、KNN、神经网络等，其中，贝叶斯网络是用概率统计知识进行分类的算法，它通过贝叶斯定理预测样本类别，但是贝叶斯定理的成立本身需要一个很强的条件独立性假设前提，而此假设在实际情况中经常是不成立的，因而其分类准确性会大大下降；支持向量机需要事先计算样本的空间向量，并设定向量中每个维度对最终结果的影响权值，权值设定过程很大程度上依赖于历史经验及问题分析，权值设定的好坏也直接影响了算法的判定准确性；KNN算法是一种懒惰学习方法，它存放样本，直至需要分类时才运行学习算法，如果样本集比较复杂，可能会导致很大的计算开销，影响分类的实时性。神经网络算法是最常用于分类问题的算法，该算法通过训练的方式确定模型参数，可以客观地反映各个影响因素对最终结果的影响程度，而且神经网络的训练是在分类之前进行，不会给分类过程带来额外的时间开销。但是基本神经网络模型复杂，当训练集规模较大时，训练过程耗时太长，且极易因为网络初始权值设置不当而陷入局部最优解，这就意味着用基本神经网络算法进行“网络水军”发现时会存在收敛性差、准确率低、耗时长的问题。

发明内容

本发明所要解决的技术问题是提供一种网络水军的检测方法及装置，提高了网络水军检测算法的收敛性和准确率，缩短海量样本数据下模型训练时间。

为解决上述技术问题，本发明提出了一种网络水军的检测方法，包括：

步骤一，将原始的用户描述信息表示为归一化的用户描述向量，从所述用户描述向量中筛选出已分类数据，将该已分类数据的a%作为深度信念网络DBN模型的训练数据，将该已分类数据的b%作为DBN模型的检测数据，a大于b，且a与b之和等于100，所述用户描述信息的类型由用户预先选定，所述已分类用户数据指已经被标记为是否网络水军的用户数据；

步骤二，用所述训练数据训练DBN模型，输出训练得到的DBN模型，将该输出的DBN模型称为输出DBN模型；

步骤三，检验所述输出DBN模型的收敛性和判定准确率，根据检验结果调整所述步骤一和步骤二中的相关参数，直至所述输出DBN模型达到预设收敛条件或终止条件，其中，所述判定准确率通过采用所述检测数据检测所述输出DBN模型而得到；

步骤四，使用最终DBN模型对网络水军进行检测，所述最终DBN模型是指达到所述预设收敛条件或终止条件的输出DBN模型。