基于网络表示学习的社交网络取证分析模型

发布时间：2021-02-16 08:50

　　随着计算机技术和社交网络的不断进步,人们的通讯在网络上留下了大量的数据,包括大量的信息,对于信息的挖掘和关系的研究成为一项重要课题。而社交网络取证的目的是从人们的交流信息中获取的证据进行保存、分析和提供客观公正、直接有效的第三方的证据。对犯罪移动通讯数据进行分析,可以分析成员之间的关系和整个犯罪网络,可以得出犯罪的核心成员甚至首脑。通过对于这些成员的了解和控制可以打击整个犯罪网络,获得很好的效果。传统的犯罪取证分析可基于网页取证分析和社区结构算法。本文简述了基础社交网络取证模型的构建和流程,介绍了社交网络研究的基本概念,包括:衡量网络中节点重要程度的中心性和相似度计算方法等。其次简述了社交网络的基本特性,以便进行后期的分析研究和模型建立,分别为:小世界特性、无标度性、社区结构和层级特性;最后,简述了网络表示学习算法基础和三个经典的表示学习算法Deepwalk、LINE和Node2vec,进行对比分析采用Node2vec算法把犯罪网络映射到向量空间,合理的保留了网络中节点属性和网络结构等信息,方便计算节点间的关系,同时改进随机游走的过程,通过采用BFS和DFS相结合的方法控制节点的游走方... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

基础计算机取证模型

第2章网络表示学习相关算法研究15基于邻接矩阵的方法计算时间长，空间消耗也大，随机游走因为应用局部信息，可用于分布式系统[27]。其次，基于所及游走建模方法建模能够减少不确定性和方差。Deepwalk算法是依据网络表示学习方法中的稀疏性质来提出的，在复杂网络中，节点的表示过于稀疏会给统计和计算带来很多问题。Deepwalk算法应用了网络中节点的社会特征。（a）（b）图2.2Deepwalk算法输入和输出结构2.4.2网络表示学习算法LINEDeepwalk算法的随机游走采样主要是基于DFS方法，JianTang,MengQu提出了LINE算法，与Deepwalk算法不同，LINE算法基于BFS随机游走，而且，LINE算法在带权图中也可以应用，该算法在网络中节点间相似度的定义有差别，LINE算法提出了新的相似度定义。引入了一阶相似度和二阶相似度，用以描述网络中节点间的关系，可以获得网络中不相邻节点间的关系，在传统网络表示算法中，不相邻的节点相似度弱[28]。而在现实中，网络中两节点具有更多邻居节点可以认为两节点相似度高，利用二阶相似度，可以表示出这种关系。

LINE算法节点关系结构

【参考文献】：
期刊论文
[1]网络表示学习综述[J]. 涂存超,杨成,刘知远,孙茂松.  中国科学:信息科学. 2017(08)
[2]基于社交网络的电子证据取证方法探讨[J]. 翟振兴,杨仕海.  网络安全技术与应用. 2017(01)
[3]社交网络分析核心科学问题、研究现状及未来展望[J]. 方滨兴,贾焰,韩毅.  中国科学院院刊. 2015(02)
[4]社交网络取证初探[J]. 吴信东,李亚东,胡东辉.  软件学报. 2014(12)
[5]基于复杂网络的安然公司高管组织结构发现[J]. 郭小和,刘科,廖焕文,姚伟,周继强.  南昌航空大学学报(自然科学版). 2013(03)
[6]自然语言处理中主题模型的发展[J]. 徐戈,王厚峰.  计算机学报. 2011(08)
[7]ASP动态网站信息电子取证方法[J]. 吴春生,邱敏.  刑事技术. 2010(05)



本文编号：3036525