买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：复旦大学

摘要：本发明属于网络空间抗测绘技术领域，具体为基于机器学习分类算法的良性社交机器人账号抗测绘方法。本发明算法包括：对社交媒体用户账号数据进行清洗和预处理，构建基于机器学习分类算法的社交机器人检测模型的训练数据集；通过样本重标记和新增混淆样本两种数据集更改算法，向训练数据集中注入混淆数据；用更改后的训练集重新训练目标检测模型，以降低目标模型的良性机器人账号检测的准确率。本发明通过更改目标检测模型的训练数据集，有效降低模型检测出良性机器人账号的准确率，保护社交媒体中良性的社交机器人账号不被攻击者测绘，提升网络空间认知层的抗测绘能力。

主权项：1.基于机器学习分类算法的良性社交机器人账号抗测绘方法，其特征在于，包括：对社交媒体用户账号数据进行清洗和预处理；构建基于机器学习分类算法的社交机器人检测模型M的训练数据集；通过样本重标记和新增混淆样本两种数据更改算法，向训练数据集中注入混淆数据；用更改后的训练集重新训练目标检测模型M，以降低目标模型检测出良性机器人账号的准确率；具体步骤为：步骤1：对社交媒体用户账号及其属性数据进行分析、清洗和预处理，提取用于机器人账号检测的属性数据；步骤2：对已经清洗完毕的账号数据，分别标记良性机器人账号：ybenign＝1，其它账号：yother＝0，将两类账号数据样本合并，按照比例随机抽样，构建基于机器学习分类算法的社交机器人检测模型M的训练数据集Ttr＝{xi,yi},1≤i≤NTtr，与测试数据集Tte＝{xi,yi},1≤i≤NTte；步骤3：在初始的训练集Ttr上对要降低准确率的目标模型M进行训练，并用测试集Tte对训练后的模型M进行测试，得到模型初始的良性机器人检测准确率Acc0；利用样本重标记，对模型M的训练数据集中的部分数据样本的标记进行修改；利用样本模拟生成，将合成的混淆样本注入训练数据集；步骤4：在经过两种更改后得到的训练集Ttr1上再次训练模型M，并用测试集Tte对再次训练后的模型M进行测试，得到模型M下降后的良性机器人检测准确率Acc1；将模型M初始检测准确率与下降后的检测准确率进行比较，得到模型对良性机器人检测的准确率下降程度δbenign与下降比例ηbenign：

全文数据：

权利要求：

百度查询： 复旦大学 基于机器学习分类算法的良性社交机器人账号抗测绘方法