基于多类优先连接分类器的社交网络虚假账号 preemptive 检测
社会与信息网络
2023-08-13 v1 密码学与安全
机器学习
摘要
本文描述了一种称为优先连接 k 类分类器（PreAttacK）的新算法，用于检测社交网络中的虚假账号。近来若干算法在此问题上取得了高准确率，但它们依赖于虚假账号的好友关系或其与他人的共享内容——而这正是我们试图防范的对象。PreAttacK 与这些方法显著不同。我们提供了关于新虚假（及真实）账号在加入大型网络（Facebook）后首次尝试请求好友的首次详细分布分析。我们表明，即便在新账号尚未结交好友或共享内容之前，这些初始好友请求行为也引发了对社交网络增长的经典优先连接模型的一种自然多类扩展。我们利用该模型推导出新算法 PreAttacK。我们证明，在相关问题实例中，PreAttacK 在该多类优先连接模型下（针对新账号尚未被接受的好友请求）近最优地逼近新账号为虚假的后验概率。这是首批适用于新用户且不需要强同质性假设的虚假账号检测可证明保证。这一基于原理的方法还使 PreAttacK 成为唯一具有可证明保证、并在全球 Facebook 网络上对新用户取得最先进性能的算法：在新用户发送并接收总计仅 20 个未答复好友请求后，其 AUC 收敛至 0.9。作为对比，最先进的基准方法即便在观测到新用户前 100 个好友请求的额外数据后仍未达到该 AUC。因此，与主流算法不同，PreAttacK 在中位新虚假账号与人类建立单一好友关系（被接受的好友请求）之前便已收敛。
引用
@article{arxiv.2308.05353,
title = {Preemptive Detection of Fake Accounts on Social Networks via Multi-Class Preferential Attachment Classifiers},
author = {Adam Breuer and Nazanin Khosravani and Michael Tingley and Bradford Cottel},
journal= {arXiv preprint arXiv:2308.05353},
year = {2023}
}