基于KMV模型的在线社交网络异常账户检测的研究与实现

发布时间：2017-09-03 06:12

  本文关键词：基于KMV模型的在线社交网络异常账户检测的研究与实现

  更多相关文章： 在线社交网络 异常账户检测 信任风险度量 KMV 预期违约率

【摘要】：在线社交网络中,异常账户是始终存在的。在现代社会,对于异常账户的检测通常使用的是信息本身的特征来设计,使用基于交互、基于排名、基于数据特征等方式来达到相应的检测目的。但是,基于交互、基于排名的方式需要账户主动操作,会影响账户对社交网络的使用,基于数据特征的方式则偏向于历史数据挖掘。本文使用的KMV模型,是银行业中应用比较广泛的信任风险度量模型之一。KMV模型根据观察对象的历史数据和实时数据,配合Black-Scholes期权定价理论,得到观察对象的预期违约概率,从而进行相应的处理。本文将KMV模型应用在在线社交网络异常账户检测中,主要是为了达到:(1)尝试使用银行业中信任风险度量模型模拟并度量在线社交网络中账户的信任值,得到账户的信任值,方便在线社交网络根据信任值对账户进行相应的分级或是权限控制。(2)将账户的历史数据与实时数据结合,利用KMV模型计算消耗低的特性,实时的检测账户的异常操作,从而将这类操作的危害降到最低。本文主要研究工作如下:首先,研究了在线社交网络的发展与特征,分析几个主要的在线社交网络中的账户特征、行为统计等,为后续的研究中数据类型的选取做了铺垫。其次,研究了异常账户的危害以及相应的在线社交网络对于异常账户的应对方案,对不同的异常账户检测方法进行分析。然后,研究了信任风险评估发展以及相应的模型方法,重点分析了信任风险度量模型中对于参数值的选取以及相应的变量意义,方便后续映射到在线社交网络中。最后,将KMV模型映射到在线社交网络中异常账户检测领域,分析检测结果,提出了一种计算消耗更低,并且能够保持精确度的实时异常账户检测技术。
【关键词】：在线社交网络 异常账户检测 信任风险度量 KMV 预期违约率
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.09
【目录】：

• 摘要3-4
• ABSTRACT4-7
• 1 绪论7-13
• 1.1 研究背景和意义7-8
• 1.2 国内外研究现状8-11
• 1.3 本文主要研究内容11-12
• 1.4 本文组织结构12-13
• 2 背景知识及相关工作13-25
• 2.1 互联网与社交网络13-16
• 2.1.1 互联网的发展13-14
• 2.1.2 社交网络的发展14-16
• 2.1.3 在线社交网络介绍16
• 2.2 异常账户和异常检测16-18
• 2.2.1 异常账户危害16-17
• 2.2.2 异常检测背景17-18
• 2.2.3 异常检测技术介绍18
• 2.3 信任风险评估18-22
• 2.3.1 信任风险评估发展19
• 2.3.2 新型信用风险量化方案介绍19-20
• 2.3.3 信任度量模型介绍20-21
• 2.3.4 信任风险度量模型对比21-22
• 2.4 KMV模型22-24
• 2.5 本章小结24-25
• 3 KMV模型在在线社交网络中的应用25-31
• 3.1 数据源说明25
• 3.2 特征提取25-29
• 3.2.1 线性判别法（LDA）26
• 3.2.2 局部保持投影法（LPP）26-27
• 3.2.3 主成分分析法（PCA）27-29
• 3.3 KMV模型映射29-30
• 3.4 本章小结30-31
• 4 基于KMV模型的在线社交网络中异常账户检测设计31-40
• 4.1 架构设计31-32
• 4.2 数据分类32-36
• 4.2.1 即时通讯数据32-33
• 4.2.2 社区数据33-35
• 4.2.3 账户交互数据35
• 4.2.4 账户操作数据35-36
• 4.3 实时数据清理36-37
• 4.4 账户预期违约率计算37-39
• 4.5 本章小结39-40
• 5 实验及结果分析40-50
• 5.1 开发环境40
• 5.2 测试数据集40-43
• 5.3 测试流程43-45
• 5.4 测试结果展示及分析45-49
• 5.5 本章小结49-50
• 6 总结及展望50-52
• 6.1 全文工作总结50
• 6.2 未来工作展望50-52
• 致谢52-53
• 参考文献53-56
• 附录56
• A. 攻读学位期间发表的论文目录：56

【参考文献】

中国期刊全文数据库 前9条

1 张玉清;吕少卿;范丹;;在线社交网络中异常帐号检测方法研究[J];计算机学报;2015年10期

2 任蔷;丁振国;;实名SNS社交网络与微博的特征分析——以人人网与新浪微博为例[J];现代情报;2013年07期

3 王亮;;SNS社交网络发展现状及趋势[J];现代电信科技;2009年06期

4 张玲,杨贞柿,陈收;KMV模型在上市公司信用风险评价中的应用研究[J];系统工程;2004年11期

5 吴军,张继宝;信用风险量化模型比较分析[J];国际金融研究;2004年08期

6 王毅春,孙林岩;现代信用风险模型特征比较研究[J];当代经济科学;2004年02期

7 程鹏,吴冲锋,李为冰;信用风险度量和管理方法研究[J];管理工程学报;2002年01期

8 阎巧,谢维信;异常检测技术的研究与发展[J];西安电子科技大学学报;2002年01期

9 张玲,张佳林;信用风险评估方法发展趋势[J];预测;2000年04期

中国硕士学位论文全文数据库 前4条

1 陈佩;主成分分析法研究及其在特征提取中的应用[D];陕西师范大学;2014年

2 哈乐;基于语义网的社交网络恶意行为分析[D];南京邮电大学;2014年

3 胡学韬;基于信任度排序的社交网络异常账户检测模型的研究[D];上海交通大学;2014年

4 李晓曼;局部保持投影中的若干问题研究[D];华侨大学;2012年

，

本文编号：783304