SybilBlind：无需人工标注的在线社交网络虚假用户检测
密码学与安全
2018-06-14 v1 社会与信息网络
摘要
检测在线社交网络中的虚假用户（亦称 Sybil）是一个基本的安全研究问题。现有最优方法依赖大量人工标注用户作为训练集。这些方法存在三个关键局限：1）人工标注大规模训练集耗时且昂贵，2）无法及时检测新型 Sybil，3）易受利用训练集信息的 Sybil 攻击。本工作中，我们提出 SybilBlind，一种不依赖人工标注训练集的基于结构的 Sybil 检测框架。SybilBlind 在与现有基于结构的方法相同的威胁模型下工作。我们利用 1）含合成 Sybil 的社交网络与 2）两个含真实 Sybil 的 Twitter 数据集证明了 SybilBlind 的有效性。例如，SybilBlind 在一个 Twitter 数据集上取得了 0.98 的 AUC。
引用
@article{arxiv.1806.04853,
title = {SybilBlind: Detecting Fake Users in Online Social Networks without Manual Labels},
author = {Binghui Wang and Le Zhang and Neil Zhenqiang Gong},
journal= {arXiv preprint arXiv:1806.04853},
year = {2018}
}
备注
To appear in The 21st International Symposium on Research in Attacks, Intrusions and Defenses, September 2018