利用用户对攻击请求的抵抗性实现更高效的女巫检测机制
社会与信息网络
2025-01-29 v1
摘要
我们从图算法的角度研究社交网络中的女巫（虚假账户）检测问题，其中利用图结构信息将用户分类为女巫和良性用户。我们引入了用户对攻击请求（来自女巫账户的好友请求）的抵抗性这一新概念。基于此概念，我们提出了一个支持多种攻击策略的合成图数据生成框架。然后我们研究优化问题：允许揭示一部分用户的抵抗性，目标是最大化被发现为良性的用户数量以及潜在攻击边（从女巫到良性用户的连接）的数量。此外，我们为此问题设计了高效算法并研究了其理论保证。最后，通过大量实验，我们证明当作为不同女巫检测算法的预处理步骤时，我们提出的算法显著提高了检测性能。本工作使用的代码和数据已在GitHub上公开：https://github.com/aSafarpoor/AAMAS2025-Paper/tree/main
引用
@article{arxiv.2501.16624,
title = {More Efficient Sybil Detection Mechanisms Leveraging Resistance of Users to Attack Requests},
author = {Ali Safarpoor Dehkordi and Ahad N. Zehmakan},
journal= {arXiv preprint arXiv:2501.16624},
year = {2025}
}
备注
This is the full version of the paper accepted in The 24th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2025) with appendices