Cerberus:基于深度学习的跨网站社交机器人检测系统

作     者：汤家伟 刘育杉 高敏 宫庆媛 王新 陈阳 TANG Jiawei;LIU Yushan;GAO Min;GONG Qingyuan;WANG Xin;CHEN Yang

作者机构：复旦大学计算机科学技术学院上海200438 复旦大学智能复杂体系基础理论与关键技术实验室上海200438 

出 版 物：《智能科学与技术学报》 (Chinese Journal of Intelligent Science and Technology)

年 卷 期：2024年第6卷第4期

页      面：480-494页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(No.2022YFB3102901) 国家自然科学基金项目(No.62072115,No.62102094) 上海市科技创新行动计划(No.22510713600) 

主　　题：在线社交网络 社交机器人检测 跨网站链接 深度学习 冷启动用户 

摘      要：社交网站吸引了数十亿用户,影响着人们的生活方式。社交网站作为开放平台,注册加入的门槛较低,社交机器人能够轻易地注册,并进行舆论导向控制、不实信息传播等有害活动,以谋取利益。单一社交网站的机器人检测系统往往需要依赖用户的历史行为数据进行分析。因此,社交机器人在被识别出之前往往已经成功实施了恶意攻击。为尽早地识别出社交机器人,提出了跨网站社交机器人检测系统Cerberus。Cerberus可以解决用户早期在单个社交网站上数据不充足导致的用户识别“冷启动的问题。Cerberus使用用户在Medium网站上的个人信息和历史活动信息,对用户链接在Twitter上的账号是否为社交机器人账号进行预测。结果表明,该系统的AUC值可达0.7552,具有良好的识别准确性。