文献

J-GLOBAL ID：201702270438054397   整理番号：17A1926183

オンラインソーシャルネットワークSybil号検出【JST・京大機械翻訳】

Sybil Account Detection in Online Social Networks

著者 (5件)： Zhou Qingqing (中南大学 軟件学院,長沙 410075;”移動医療”教育部-中国移動聯合実験室,長沙 410083) ,  Chen Zhigang (中南大学 軟件学院,長沙 410075;”移動医療”教育部-中国移動聯合実験室,長沙 410083) ,  Huang Rui (中南大学 軟件学院,長沙 410075;”移動医療”教育部-中国移動聯合実験室,長沙 410083) ,  Li Bo (中南大学 軟件学院,長沙 410075;”移動医療”教育部-中国移動聯合実験室,長沙 410083) ,  Xu Chenglin (中南大学 軟件学院,長沙 410075;”移動医療”教育部-中国移動聯合実験室,長沙 410083)
資料名： Xiaoxing Weixing Jisuanji Xitong  (Xiaoxing Weixing Jisuanji Xitong)
巻： 38  号： 8  ページ： 1767-1771  発行年： 2017年 
JST資料番号： C2136A  ISSN： 1000-1220  CODEN： XWJXEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： オンラインソーシャルネットワークにおけるSybil号号は日に日に猛烈になり、彼らは各種の悪意活動を製造し、これらは深刻に社交ネットワークとユーザーの安全に危害を与えた。Sybil号の検出の問題に対して、非常に効率的なSybil号検出モデルを提案した。このモデルでは,検出者の予測精度を改善し,抽出した特徴属性をモデル化して分類器を得て,分類器を用いて被害者の予測を行った。最後に,予測結果をソーシャルネットワークグラフモデルに適用し,最後に,修正ランダムウォークを用いてグラフノードをランク付けした。実験結果により、Sybil号の節点が配列の底部にあることを証明し、それによってSybil号を正常な号から分離した。このモデルの正確さは95%に達し,これは,提案した検出モデルが実行可能で効果的であることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 安全性 ,  モデリング ,  等級づけ ,  酔歩 ,  *ネットワーク ,  予測 ,  節点
準シソーラス用語： 被害者 ,  予測精度 ,  *オンラインソーシャルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： online social networks ,  sybil ,  classifier ,  random walk ,  victims prediction ,  account sequence

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (1件)： オンラインソーシャルネットワーク