HW-GNN：面向社交网络机器人检测的仲ilarity-aware 高斯窗口约束图谱网络
社会与信息网络
2025-12-01 v1 人工智能
摘要
社交机器人通过扩散虚假信息并发动协调操纵，日益污染在线平台，构成网络安全的严重威胁。图神经网络（GNNs）因能够整合结构和属性特征而成为社交机器人检测的主流方法，尤其擅长在谱域中捕捉判别性模式。然而，现有谱 GNN 方法存在两个局限：(1) 其宽谱拟合机制削弱了对机器人专属谱特征的聚焦；(2) 诸如低仲ilarity与高频特征相关的特定领域知识尚未充分融入现有方法。为此，我们提出 HW-GNN，一种具备仲ilarity-aware 图谱网络的高斯窗口约束模型。我们的框架引入两个关键创新：(i) 采用可学习的高斯窗口实现谱网络约束，突出与机器人相关的谱特征；(ii) 仲ilarity-aware 适应机制将仲ilarity比率与频率特征之间的领域知识注入高斯窗口优化过程。通过在多个基准数据集上的大规模实验，我们展示 HW-GNN 在机器人检测中实现了最先进的性能，平均 F1 分数提升 4.3%，且与现有谱 GNN 具有强大的即插即用兼容性。
引用
@article{arxiv.2511.22493,
title = {HW-GNN: Homophily-Aware Gaussian-Window Constrained Graph Spectral Network for Social Network Bot Detection},
author = {Zida Liu and Jun Gao and Zhang Ji and Li Zhao},
journal= {arXiv preprint arXiv:2511.22493},
year = {2025}
}