一种安全性高的信息获取装置的制作方法

本发明涉及信息获取
技术领域：
，具体涉及一种安全性高的信息获取装置。
背景技术：
：随着移动互联网时代的到来，移动终端如何安全获取信息已经成为亟待解决的问题。技术实现要素：针对上述问题，本发明旨在提供一种安全性高的信息获取装置。本发明的目的采用以下技术方案来实现：提供了一种安全性高的信息获取装置，用于移动终端，包括身份验证系统、信息获取系统和信息处理系统，所述身份验证系统用于对用户的身份信息进行验证，所述信息获取系统用于通过验证的用户从微博中获取信息，所述信息处理系统用于对获取的信息进行处理。本发明的有益效果为：提高了移动终端获取信息的安全性。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；附图标记：身份验证系统1、信息获取系统2、信息处理系统3。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种安全性高的信息获取装置，用于移动终端，包括身份验证系统1、信息获取系统2和信息处理系统3，所述身份验证系统1用于对用户的身份信息进行验证，所述信息获取系统2用于通过验证的用户从微博中获取信息，所述信息处理系统3用于对获取的信息进行处理。本实施例提高了移动终端获取信息的安全性。优选的，所述信息获取系统2包括垃圾用户发现模块、垃圾用户剔除模块和信息获取模块，所述垃圾用户发现模块用于确定微博垃圾用户，所述垃圾用户剔除模块用于对垃圾用户进行剔除，所述信息获取模块从剔除垃圾用户后的微博用户中获取信息。本优选实施例提高了信息获取质量。优选的，所述用户的身份信息包括用户的姓名、联系电话、头像和邮箱地址。本优选实施例安全性更高。优选的，所述垃圾用户发现模块包括建模子模块、分类子模块和垃圾用户发现子模块，所述建模子模块用于建立微博用户网络模型，所述分类子模块基于微博用户网络模型对微博用户进行分类，所述垃圾用户发现子模块基于用户分类确定微博用户中的垃圾用户；所述微博用户网络模型基于用户关注关系建立：采用微博中用户关注关系形成的有向图h＝(w,b)作为微博用户网络模型，有向图中，w为微博用户集合，b为边集，如果用户存在关注关系，则用户之间存在边。本实施例垃圾用户发现模块能够有效地发现微博中的垃圾用户，有助于提高信息获取系统信息获取水平。优选的，所述分类子模块包括一次处理单元和二次处理单元，所述一次处理单元用于确定用于分类的特征，所述二次处理单元用于根据分类特征确定用户类别；所述一次处理单元包括一次处理子单元和二次处理子单元，所述一次处理子单元用于确定判定垃圾用户的特征，所述二次处理子单元用于确定判定正常用户的特征。所述判定垃圾用户的特征包括第一垃圾用户特征cf1和第二垃圾用户特征cf2：采用以下方式确定所述第一垃圾用户特征：计算用户的第一垃圾用户特征指数：在式子里，p(xi)表示将用户的时间序列划分为m个子序列，第xi个子序列发表消息数目占总时间序列的比值，若满足rl1≥bz1，则该用户满足第一垃圾用户特征，其中，bz1为设定阈值；采用以下方式确定所述第二垃圾用户特征：计算用户的第二垃圾用户特征指数：在式子里，d1表示用户发表消息中包含“@”的消息数目，l1表示用户发表消息中包含“http//”的消息数目，d表示用户发表的消息总数；若满足rl2≥bz2，则表示用户满足第二垃圾用户特征，其中，bz2为设定阈值。所述判定正常用户的特征包括第一正常用户特征pa1和第二正常用户特征pa2：采用以下方式确定所述第一正常用户特征：计算用户的第一正常用户特征指数：若满足gp1≤bz3，则该用户满足第一正常用户特征，其中，bz3为设定阈值；采用以下方式确定所述第二正常用户特征：计算用户的第二正常用户特征指数：若满足gp2≤bz4，则表示用户满足第二正常用户特征，其中，bz4为设定阈值。本优选实施例垃圾用户发现模块通过建立多种分类判断特征，全面获取了用户各种特征，为后续用户分类奠定了基础，具体的，第一垃圾用户特征指数和第一正常用户特征指数反映了用户的发帖规律，第二垃圾用户特征指数合第二正常用户特征指数反映了用户的发送垃圾信息情况。优选的，所述二次处理单元采用以下方式确定用户类别：步骤1、对于任意用户w∈w，给定判定垃圾用户的特征集合cf＝{cfi},i＝1,2，如果满足垃圾用户的第i个特征，则其成为垃圾用户的概率会高，如果仅存在一个特征，使得用户w有更高的概率为垃圾用户，则该用户为疑似垃圾用户，如果存在两个特征，使得用户w有更高的概率为垃圾用户，则该用户为近似垃圾用户；对于任意用户w∈w，给定判定正常用户的特征集合pa＝{paj},j＝1,2，如果满足正常用户的第j个特征，则其成为正常用户的概率会高，如果仅存在一个特征，使得用户w有更高的概率为正常用户，则该用户为疑似正常用户，如果存在两个特征，使得用户w有更高的概率为正常用户，则该用户为近似正常用户；步骤2、对于任意用户w∈w，如果既不满足垃圾用户判定特征，也不满足正常用户判定特征，则用户w为不确定用户。本优选实施例垃圾用户发现模块通过确定垃圾用户的特征和正常用户的特征确定用户类别，实现了用户的准确分类，具体来讲，通过满足特征的数量判定用户属于垃圾用户和正常用户的概率，为后续确定垃圾用户打下了良好的基础。优选的，所述垃圾用户发现子模块采用以下方式确定垃圾用户：步骤1、计算用户得分fv：在式子里，α1表示用户被疑似正常用户关注的数目，a2表示用户被近似正常用户关注的数目，b1表示用户关注疑似垃圾用户的数目，b2表示用户关注近似垃圾用户的数目；步骤2、若用户为近似垃圾用户且满足用户得分fv>0.2，若用户为疑似垃圾用户且满足用户得分fv>0.5，若用户为不确定用户且满足用户得分fv>1，若用户为疑似正常用户且满足用户得分fv>2，若用户为近似正常用户且满足用户得分fv>4，则将用户确定为垃圾用户，否则为正常用户。本优选实施例垃圾用户发现模块采用用户得分与特征相结合的方式确定垃圾用户，降低了垃圾用户发现的误判率，提高了垃圾用户的发现准确率。采用本发明安全性高的信息获取装置挖掘垃圾用户，挖掘的垃圾用户数目分别为10、20、30、40、50时，对垃圾用户发现时间和垃圾用户发现准确率进行统计，同现有垃圾用户发现系统相比，产生的有益效果如下表所示：垃圾用户数目垃圾用户发现时间缩短垃圾用户发现准确率提高1023％21％2025％20％3024％25％4026％22％5024％23％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页12