文献类型：期刊文章

作　　者：肖景博[1,2,3] 余尚戎[1,2,3] 席祖平[1,2,3] 瞿左珉[1,2,3] 殷琪林[1,2,3] 卢伟[1,2,3]

XIAO Jingbo;YU Shangrong;XI Zuping;QU Zuomin;YIN Qilin;LU Wei(School of Computer Science and Engineering,Sun Yat-sen University,Guangzhou 510006,P.R.China;Ministry of Education Key Laboratory of Information Technology,Sun Yat-sen University,Guangzhou 510006,P.R.China;Guangdong Provincial Key Laboratory of Information Security Technology,Sun Yat-sen University,Guangzhou 510006,P.R.China)

机构地区：[1]中山大学计算机学院,广州510006 [2]中山大学信息技术教育部重点实验室,广州510006 [3]中山大学广东省信息安全技术重点实验室,广州510006

出　　处：《重庆邮电大学学报(自然科学版)》

基　　金：国家自然科学基金项目(U2001202,62072480);广东省信息安全技术重点实验室项目(2023B1212060026)。

年　　份：2025

卷　　号：37

期　　号：3

起止页码：417-425

语　　种：中文

收录情况：BDHX、BDHX2023、核心刊

摘　　要：在社交机器人进化的过程中,其伪装能力不断增强,现有检测方法难以保持良好的检测性能。针对这一问题,提出一种基于文本特征增强和多路异构图卷积网络(multiplex heterogeneous graph convolutional network,MHGCN)的社交机器人检测方法,利用增强文本特征和社交图中的异质性、层次性信息实现更精准的检测。一方面,设计了文本特征增强模块,通过账户描述与账户所发布社交文本之间的差异来衡量社交文本的重要程度,依据重要程度增强社交文本特征;另一方面,设计了社交图特征提取模块,将MHGCN应用于社交机器人检测,利用MHGCN捕获账户的社交图特征。通过这两个模块,提出方法能够凸显出混杂在正常文本中的恶意文本和隐匿在真实用户社交邻居中的社交机器人。实验表明,提出方法在开源数据集上的检测效果优于对比方法,证明了提出方法的有效性。

关 键 词：社交机器人检测  文本特征增强  社交图特征提取  多路异构图卷积网络  

分 类 号：TP309]