学位论文简介

计算机技术与社会的融合推动了社交网络的蓬勃发展。从最初的在线论坛发展到如今的多元化社交网络，已成为人们获取信息、交流互动、表达自我、构建关系的重要平台，吸引了庞大的用户群体。然而，随着社交网络的普及和用户规模的不断扩大，网络水军、虚假账号、诈骗账号等恶意行为也在不断增加，严重威胁着网络生态的健康和安全。解决这一问题对用户个人安全和信息隐私至关重要，也关乎整个网络生态的可持续发展。本文通过对主流社交网络进行数据驱动型的深入研究，提出了以下创新性研究成果：

（1） 提出了基于XGBoost和图卷积网络的恶意账户检测算法：通过结合XGBoost和图卷积网络，提高了恶意账户检测的准确性。

（2） 提出了基于密度块检测的恶意账户检测算法：针对点评类社交网络，提出了一种基于密度块检测的新算法，有效提高了检测精度和效率。

（3） 提出了基于图和文本多头注意力机制的恶意账户检测算法：结合图卷积网络和多头注意力机制，提高了开放型交友软件中恶意账户检测的精度，并突显了文本相关信息的重要性。

（4） 提出了基于PLSTM和互补生成对抗网络的恶意账户检测算法：针对开发者社区中动态活动稀疏和恶意账户行为记录不足的问题，提出了一种单类别分类模型，通过PLSTM网络和互补生成对抗网络，有效检测恶意账户。

这些研究成果为恶意账户检测提供了新的方法和思路，有望为维护社交网络生态安全做出重要贡献。

主要学术成果

[1] Yuting Tang, Dafang Zhang, Kuan-Ching Li, Junsong Yuan, Uncovering malicious accounts in online social networks using XGBoost and Graph Convolution Networks, IEEE Transactions on Consumer Electronics. (SCI 二区)

[2] Yuting Tang, Dafang Zhang, Wei Liang, , Kuan-Ching Li, Keqin Li, Uncovering malicious accounts in open mobile social networks using a graph and text-based Attention fusion algorithm, IEEE Internet of Things Journal. (SCI 一区，Minor review)

[3] Yuting Tang, Dafang Zhang, Wei Liang, Kuan-Ching Li, Di Martino Beniamino, ANSec: Exploiting PLSTM-Based Adversarial Nets for Malicious Accounts Detection in Developer Communities, IEEE Internet of Things Journal. (SCI 一区, Major review)

[4] Yuting Tang, Dafang Zhang, Wei Liang, Kuan-Ching Li, and Nitin Sukhija, Active Malicious Accounts Detection with Multimodal Fusion Machine Learning Algorithm, Springer, 2022.DOI:10.1007/978-981-19-0468-4 4.(EI)

[5] Chunyan Diao, Dafang Zhang, Juan Chen, Yuting Tang, Lijun Xiao, Research on the Application of Time and Space Prediction Method in Traffic Flow Prediction, Smartcloud, 2021:61-66(EI)

[6] 专利：社交网络中恶意账户检测方法、 设备及存储介质， 中国， 202310377102.4