[发明专利]一种基于带权超图的同一用户识别方法

说明书

本发明提出了一种基于带权超图的同一用户识别方法，包括以下步骤：步骤1，构建带权超图模型；步骤2，计算节点拓扑结构相似性；步骤3，利用交叉匹配进行同一用户的识别进一步的；构建带权超图，利用带权超图对两个社交网络拓扑结构进行重构，更准确的描述原网络的拓扑结构，包括以下具体步骤：步骤1.1,在一个网络拓扑中发现节点和存在好友关系，那么就将和划分到同一个超边中，并赋予权重p；使用带权超图来表示网络中节点之间的关系，准确表示了节点所处的拓扑结构，提升了节点相似性计算的准确度，从而明显提高了同一用户识别方法的准确率和召回率。

技术领域

本发明涉及一种基于带权超图的同一用户识别方法，属于信息安全领域。

背景技术

过去十年中，出现了许多类型的社交网站，并为大量关于现实世界社交行为的数据做出了巨大贡献。比如Twitter、新浪微博、Facebook、微信等都扮演了重要的角色，每天上亿的用户都在使用着这些社交媒体网络。由于在线社交媒体网络（SMN）的多样性，人们倾向于使用不同的SMN以达到不同的社交体验。显而易见，跨社交媒体平台的研究能解决许多理论和应用上的问题。然而，跨社交网络识别同一用户仍然是一个难题。虽然没有解决方案可以识别所有相同的匿名SMN用户，但是一些SMN元素可以用于识别跨多个SMN的部分用户。许多研究通过匹配用户个人信息属性，包括昵称、生日、位置、性别、头像等来解决用户识别问题。为了保证用户的隐私，现在很难获取用户个人的相关数据，因此这些方案现在不太适用。一些研究利用从用户发布的公开状态中得到的发布时间、位置信息以及书写风格来进行用户识别。由于难以获得位置数据并且难以从短句中提取书写风格，因此这些技术受到了限制。所以，现在基于用户朋友关系的研究慢慢流行起来了。

Narayanan和Shmatikov（NS）通过将社交媒体网络与已知身份相关联来对其进行去匿名化。NS针对有向网络，利用出/入邻居结点以及出/入度来计算匹配度，最终成功匹配30%的账户，错误率为12%。Bartunov等人提出了一种联合关系属性算法（JLA）来识别两个社交媒体网络中的同一现实用户。JLA综合考虑了用户个人信息属性以及网络结构属性。JLA先比较每个映射节点的邻居来寻找待匹配的未映射节点，然后利用Dice系数来计算两个未映射结点之间的网络距离得到结点间的相似度，最后比较相似度得到匹配用户。

现有的计算节点匹配度的同一现实用户识别方法，首先是对待识别用户节点所在的网络结构进行表示，大部分方法使用与待识别用户节点具有直接朋友关系的邻居用户节点来表示该用户节点所在的网络结构。然后计算不同社交媒体网络中待识别的用户节点所处网络结构的匹配度，主要使用共同好友数、Dice系数、Jaccard相关系数等常用的相似度计算方法。目前已知的识别方法在表示用户节点所处网络结构时没有考虑到待识别用户与社交媒体网络中其他用户的非直接好友关系，从而导致用户节点网络结构表示的精度下降，降低算法的性能。

发明内容

本发明所要解决的技术问题是网络节点拓扑结构表示的精度不足，算法性能低，为克服现有技术的不足而提供一种基于带权超图的同一用户识别方法。

本发明提供一种基于带权超图的同一用户识别方法，包括以下步骤：

步骤1，构建带权超图模型；

步骤2，计算节点拓扑结构相似性；

步骤3，利用交叉匹配进行同一用户的识别进一步的。

进一步的，所述步骤1的具体内容如下：

构建带权超图，利用带权超图对两个社交网络拓扑结构进行重构，更准确的描述原网络的拓扑结构，包括以下具体步骤：

步骤1.1, 在一个网络拓扑中发现节点和存在好友关系，那么就将和划分到同一个超边中，并赋予权重p；

步骤1.2，在一个网络拓扑中发现节点，，是的好友，表示，，之间具有亲密度，那么就将，，划分到同一个超边中，并赋予权重q