用于检测社交网络中被入侵账户的语义文本分析
社会与信息网络
2020-10-26 v4 计算与语言
密码学与安全
摘要
社交网络上的被入侵账户是被具有恶意意图的实体接管的普通用户账户。由于攻击者利用被入侵账户已建立的信任,检测这些账户以限制其可能造成的损害至关重要。我们提出一种新颖的通用框架,用于对来自某账户的文本消息进行语义分析以检测被入侵账户。我们的框架建立在这一观察之上:正常用户使用的语言与账户被入侵时攻击者使用的语言在可度量意义上不同。我们提议利用用户与攻击者的语言模型差异来定义新颖可解释的语义特征,以度量消息流中的语义不连贯性。我们使用一个 Twitter 数据集研究了所提语义特征的有效性。评估结果表明,所提框架能有效发现社交网络上的被入侵账户,且基于 KL 散度的语言模型特征表现最佳。
引用
@article{arxiv.1804.07247,
title = {Semantic Text Analysis for Detection of Compromised Accounts on Social Networks},
author = {Dominic Seyler and Lunan Li and ChengXiang Zhai},
journal= {arXiv preprint arXiv:1804.07247},
year = {2020}
}