社会网络交互安全保障机制研究

Social networking has become a popular way for users to meet and interact online. Users store and share a wealth of personal information on the social platform,which attracts the interest of cybercriminals. Hence, it becomes more important to protect the security of social interaction. In particular, the system should ensure that users interact with trustable accounts, and grantee the security of users themselves among the inteaction. Even though this problem has raised the attention of researchers, how attackers behave in social network is still not well understood.In this funding application, we analyze to which extent attack has entered social networks. More precisely, we analyze how attacker who target social networking sites operate. To collect the data about attacker activity, we coprate with Renren network and get a large and diverse set of fake accounts and their activities. We shall analyze the collected data and identified anomalous behavior models of attackers. Based on the analysis of this behavior, we would develop techniques to detect spammers in social networks, defend content pollusion attacks. We shall also analye how users interact with their friends, and design new users' authentication mechinsin and privacy control strategy. These techniques would make users access the social network in a secure and reliable manner.

社会网络的日趋流行，一方面使它成为人们进行社会化交互和信息分享的重要平台，另一方面也使它成为攻击者新的攻击目标。因此，如何保证用户在社会网络中交互的安全性成为新的研究课题。具体来说，系统要保证进行交互的双方（包括账户和数据）是真实可信的，并且在交互过程中的访问是安全的。由于攻击者结合社会网络的新特征，传统针对Web和Email的安全机制并不适用于社会网络。因此，本申请以保证用户在社会网络交互的安全为宗旨，通过与中国最大的社交网络人人网合作，首次对社会网络中攻击者的行为进行大规模分析，重点研究在社会网络环境下攻击者新的攻击模型和策略；研究如何基于攻击模型以及社会网络特征设计假账号检测,内容污染过滤, 安全认证和隐私控制等机制；从而达到安全可靠的使用社会网络的目的。

社会网络的日趋流行，一方面使它成为人们进行交互和信息分享的重要平台，另一方面也使它成为攻击者新的攻击目标。近年来的工作显示了攻击者利用大量虚假用户（Sybil）在社会网络上发布了spam信息、钓鱼链接与恶意软件，严重威胁着用户的社交安全。本项目对社交网络下的攻击新模式以及防范策略进行深入研究。针对目前缺乏对假账号的动作方式与危害特征认识的问题，我们首次对社会网络中虚假用户的好友申请行为、点击网页行为、合作行为进行大规模分析，来建立一套以测量为基础的虚假账号检测方案。同时，首次对社交网络中假账号之间的拓扑结构进行分析，证明目前流行的基于图结构的算法并不适用今天的社会网络。项目的最大创新在于首次挖掘了虚假用户和正常用户间的隐性交互，并提出利用隐式关系识别虚假用户的新方法。项目成果均发表在网络和安全领域的著名期刊和会议上，包括5篇CCF A、B类论文，其中发表ACM Transaction期刊TWEB、TKDD的两篇论文获得国际上的较高关注，分别获得178和134次引用.项目的成果最终应用到人人网，每天可以检测出数万的虚假用户，保障了正常用户在社会网络中交互的安全性。