基于多特征融合的网络用户行为识别研究

Internet water army (IWA) is a major threat to the current cyber space security.To avoid regulation, the behaviors of IWA in different channels are always changing. The research on adaptive IWA identification towards different channels becomes an emerging but difficult problem to support the dynamic confrontation against IWA. This project will study the behavior of network users based on multi-feature fusion, including: fusion on IWA behavior and related content, collaborative multi-task learning for each channel, multi-modal deep learning for mixed channels, parameter adjustment mechanism based on dynamic workflow. This project aims to improve the learning adaptability and identification accuracy in real environment,which may provide a theoretical basis and technical guidance to some extent. We believe that this project will generate a satisfied theoretical and practical significance.

在众多网络用户中，网络水军是当前网络空间安全面临的重要威胁。为躲避监管，在不同类型通道中，水军行为始终在不断演变，针对通道差异化的自适应识别研究成为可支撑动态对抗的难点问题。本项目将针对网络水军，开展基于多特征融合的网络用户行为识别模式研究，主要包括：水军行为与发帖内容的特征融合表征、面向类通道的多任务协同学习、面向混合通道的多模态深度优化学习、基于动态工作流的参数调节机制。本项目为提高真实环境下水军识别模型的准确率和学习自适应性提供了一定程度的理论依据和技术指导，有较强的理论价值和现实意义。

针对网络用户行为特征复杂、隐蔽性强的特点，本项目将多特征融合的研究方法引入网络水军深度识别中，利用从网络中获取的真实用户数据，在理论上重点研究通道差异化条件下的多任务学习的水军识别模型，构建行为-内容特征融合的水军特征非线性融合优化架构，在此架构基础上深入研究了基于情感分析及基于跨模态两种水军检测方法。具体的讲，基于情感分析的检测方法主要分析用户评论内容中所隐藏的情感，从而发现用户行为与情感不相符的隐藏性水军，主要使用SVM分类算法对用户评论进行分析，并加入用户行为的匹配规则设置从而构建行为-内容特征融合的架构模型，对隐蔽性较强的水军有较好的识别能力和准确率。基于跨模态的研究方法主要将用户发表的文字与图片进行结合和互相转化，将图片与文字结合分析，利用CCA算法进行文本图像跨模态匹配，并利用量化打分的方法最终发现疑似水军用户。依托本项目，产出SCI期刊论文1篇，CCF C类会议论文2篇（EI），受理专利2个，获得软著1个，顺利地完成了项目申请书中的研究任务。