一种社交机器人检测方法、装置、设备及存储介质与流程

本公开实施例涉及计算机，具体涉及一种社交机器人检测方法、装置、设备及存储介质。

背景技术：

1、随着技术的发展，产生了用于操纵舆情、传播虚假信息等恶意行为的僵尸网络，僵尸网络包括多个僵尸账户，这些僵尸账户均由社交机器人控制，社交机器人是一种能够模拟真实用户行为模式的程序，这些社交机器人通常使用高度相似的行为模式，通过在同一时间段内进行协调行动，如转发、点赞、评论等，以便隐藏僵尸账户的身份，从而实施恶意行为。在社交媒体平台上，大量行为高度相似的账户可能表明存在僵尸网络，即使这些账户之间并没有明显的联系。

2、检测僵尸网络的关键在于检测社交机器人，目前，社交机器人检测方案有多种，例如，基于机器学习算法的社交机器人检测方案，该方案假设社交机器人和真实用户具有明显可分离的特征，通过分析用户行为模式、社交网络结构等多个维度的数据，识别社交机器人和僵尸网络。又例如，基于图的社交机器人检测方案，通过构建社交媒体平台上的关系图模型，将社交媒体平台的账户表示为节点，并建立节点之间的关系，通过分析节点之间的关系和特征来进行机器人检测。

3、然而，传统的社交机器人检测方案仅能确定某个账户是否由社交机器人控制，而无法确定在同一时间段内协调行动的社交机器人群体。

技术实现思路

1、本公开的至少一个实施例提供了一种社交机器人检测方法、装置、设备及存储介质。

2、第一方面，本公开实施例提出一种社交机器人检测方法，该方法包括：

3、获取至少一个用户节点的社交属性数据、推文属性数据和社交行为数据；

4、基于用户节点的社交属性数据和推文属性数据，确定用户节点的节点特征向量；

5、基于用户节点的社交行为数据和推文属性数据，确定用户节点与其他用户节点之间的关联关系；

6、基于用户节点的节点特征向量以及用户节点与其他用户节点之间的关联关系，确定由社交机器人控制的用户节点。

7、在一些实施例中，基于用户节点的社交属性数据和推文属性数据，确定用户节点的节点特征向量，包括：

8、基于用户节点的社交属性数据，确定用户节点的社交属性特征；

9、基于用户节点的推文属性数据，确定用户节点的推文行为特征和推文属性特征；

10、基于社交属性特征、推文行为特征和推文属性特征，确定用户节点的节点特征向量。

11、在一些实施例中，社交属性数据包括以下至少一项：好友数量、粉丝数量、账户注册时长；

12、推文属性数据包括以下至少一项：推文发布时间、推文内容、推文发布数量、推文被转发数量；

13、社交行为数据包括以下至少一项：关注、点赞、评论、转发。

14、在一些实施例中，基于用户节点的社交属性数据，确定用户节点的社交属性特征，包括：

15、基于用户节点的好友数量和用户节点的账户注册时长，确定好友增长速度；和/或，基于用户节点的粉丝数量和用户节点的账户注册时长，确定粉丝增长速度；

16、将好友数量、好友增长速度、粉丝数量和/或粉丝增长速度确定为用户节点的社交属性特征。

17、在一些实施例中，基于用户节点的推文属性数据，确定用户节点的推文行为特征和推文属性特征，包括：

18、基于推文发布时间和推文发布数量，确定发推平均时间间隔和/或预设时长内的发推数量均值；

19、基于推文内容和推文发布数量，确定回复原文相关程度、发推原创比、转发且没有添加文字的第一推文数量和/或转发且添加文字的第二推文数量；

20、将发推平均时间间隔、预设时长内的发推数量均值和/或推文被转发数量确定为用户节点的推文行为特征；

21、将回复原文相关程度、发推原创比、第一推文数量和/或第二推文数量确定为用户节点的推文属性特征。

22、在一些实施例中，基于用户节点的社交行为数据和推文属性数据，确定用户节点与其他用户节点之间的关联关系，包括：

23、基于用户节点的关注数据，确定用户节点与其他用户节点之间的关注关系；

24、和/或，基于用户节点的点赞数据、评论数据和/或转发数据，确定用户节点与其他用户节点之间的点赞关系、评论关系和/或转发关系；

25、和/或，基于用户节点的推文内容与其他用户节点发布的原创推文，确定用户节点与其他用户节点之间的发文相似性；

26、和/或，基于用户节点的推文发布时间和推文发布数量，确定用户节点的发推量序列，并基于用户节点的发推量序列与其他用户节点的发推量序列，确定用户节点与其他用户节点之间的发推行为一致性。

27、在一些实施例中，基于用户节点的节点特征向量以及用户节点与其他用户节点之间的关联关系，确定由社交机器人控制的用户节点，包括：

28、将用户节点的节点特征向量作为社交图中的节点，基于用户节点与其他用户节点之间的关联关系构建社交图中的异构边；

29、基于预先训练的关系图卷积神经网络对社交图中的节点和异构边进行处理，得到社交图中各节点是否由社交机器人控制。

30、第二方面，本公开实施例还提出一种社交机器人检测装置，该装置包括：

31、获取单元，用于获取至少一个用户节点的社交属性数据、推文属性数据和社交行为数据；

32、第一确定单元，用于基于用户节点的社交属性数据和推文属性数据，确定用户节点的节点特征向量；

33、第二确定单元，用于基于用户节点的社交行为数据和推文属性数据，确定用户节点与其他用户节点之间的关联关系；

34、第三确定单元，用于基于用户节点的节点特征向量以及用户节点与其他用户节点之间的关联关系，确定由社交机器人控制的用户节点。

35、第三方面，本公开实施例还提出一种电子设备，其中，包括存储器、处理器以及存储在所述存储器上的计算机程序，其中，所述处理器执行所述计算机程序以实现如第一方面所述社交机器人检测方法的步骤。

36、第四方面，本公开实施例还提出一种计算机可读存储介质，其中，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如第一方面所述社交机器人检测方法的步骤。

37、第五方面，本公开实施例还提供一种计算机程序产品，其中，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中，计算机的至少一个处理器从所述计算机可读存储介质中读取并执行该计算机程序，使得所述计算机执行如第一方面所述社交机器人检测方法的步骤。

38、可见，本公开的至少一个实施例中，通过获取社交属性数据、推文属性数据和社交行为数据，可以确定用户节点的节点特征向量以及用户节点与其他用户节点之间的关联关系，由于节点特征向量中的每个元素均为用户节点某个维度的特征，因此，节点特征向量从多个维度更加全面地描述了用户节点的特征，而用户节点与其他用户节点之间的关联关系为异构关联关系，异构关联关系可以理解为不同类型的关联关系，包括显性关系(关注关系、互动关系(点赞、评论、转发等))和隐性关系(发文相似性、发推行为一致性)，因此，基于用户节点的节点特征向量以及用户节点与其他用户节点之间的关联关系，能够挖掘不同用户账户之间的行为关联性，从而更加有效地识别伪装成真实用户的社交机器人及社交机器人群体。