基于击键动态特征识别社交网络中的虚假档案

识别并移除虚假档案可遏制社会中假新闻的威胁。因此，本文通过用户的打字模式研究社交网络中的虚假档案检测。我们创建了一个新颖的数据集，包含来自 Facebook、Instagram 和 X（原 Twitter）三个社交网络上 26 名用户于六次会话中发布的 468 条帖子。随后，我们从击键时序中提取一系列特征，并使用三种主流统计方法及其分数级融合来预测两篇帖子是否源自同一用户。模型性能在相同平台、跨平台以及组合跨平台场景下进行评估。我们采用 k 秩准确率（k 从 1 到 5 变化）报告性能。表现最佳的模型在 Facebook（融合）上 k 为 1 至 5 时准确率为 91.6–100%，在 Instagram（融合）上为 70.8–87.5%，在 X（融合）上为 75–87.5%。在跨平台场景下，融合模型在分别基于 Facebook、Instagram 和 Twitter 帖子训练时，平均准确率为 79.1–91.6%、87.5–91.6% 和 83.3–87.5%。在组合跨平台（混合两个平台数据训练、在第三平台数据上测试）中，最佳模型在不同场景下准确率范围为 75–95.8%。结果凸显了所提方法在跨社交网络平台发掘虚假档案方面的潜力。