基于 Naïve Bayes 模型的异构图案识别社交机器人

识别社交机器人已成为由于其在社交媒体生态系统中的显著影响而面临的关键挑战。尽管检测方法取得了进展，但大多数基于拓扑的方法未充分考虑邻域偏好的异构性，缺乏系统的理论基础，仅依赖直觉和经验。本文提出了一种基于 Naïve Bayes 模型的理论框架，用于检测社交机器人。具体而言，我们通过纳入节点标签信息，将均匀图案细化为异构图案，从而有效捕捉邻域偏好的异构性。此外，我们系统评估了不同节点对 within 异构图案对识别为社交机器人的可能性贡献。进一步，我们数学上量化了每个异构图案的最大能力，从而估计其潜在收益。对四个大型公开基准的全面评估表明，我们的方法超越了最先进的技术，在五个评估指标中实现了优异性能。此外，我们的结果显示，选择具有最高能力的图案可实现与使用所有异构图案相当的检测性能。总体而言，我们的框架为社交机器人检测提供了一种有效且在理论上有据可依的解决方案，显著增强了社交网络中的网络安全措施。