微信恶意账号检测研究 - 杨征, 殷其雷, 李浩然, 苗园莉, 元东, 王骞, 沈超, 李琦.pdf
免费下载
计 算 机 研 究 与 发 展
DOI
:
１０．７５４４∕issn１０００Ｇ１２３９．２０２１．２０２１０４６１
JournalofCom
p
uterResearchandDevelo
p
ment ５８
(
１１
):
２３１９ ２３３２
,
２０２１
收稿日期
:
２０２１
－
０５
－
１１
;
修回日期
:
２０２１
－
０８
－
１３
基金项目
:
国家重点研发计划项目
(
２０１８YFB１８００３０４
);
国家自然科学基金项目
(
６１５７２２７８
,
U２０B２０４９
,
６１８２２２０７
,
６１８２２３０９
,
６１７７３３１０
,
U１７３６２０５
,
６２１３２０１１
);
北京信息科学与技术国家研究中心项目
(
BNR２０２０RC０１０１
);
陕西省重点产业创新链项目
(
２０２１ZDLGY０１Ｇ０２
)
Thisworkwassu
pp
ortedb
y
theNationalKe
y
ResearchandDevelo
p
mentPro
g
ram ofChina
(
２０１８YFB１８００３０４
),
theNational
NaturalScience Foundation ofChina
(
６１５７２２７８
,
U２０B２０４９
,
６１８２２２０７
,
６１８２２３０９
,
６１７７３３１０
,
U１７３６２０５
,
６２１３２０１１
),
the
Pro
j
ectofBNRist
(
BNR２０２０RC０１０１
),
andtheShaanxiProvinceKe
y
Industr
y
InnovationPro
g
ram
(
２０２１ZDLGY０１Ｇ０２
)
．
通信作者
:
李琦
(
q
li０１＠tsin
g
hua．edu．cn
)
微信恶意账号检测研究
杨
征
１
殷 其 雷
１
李 浩 然
１
苗 园 莉
１
元
东
１
王
骞
２
沈
超
３
李
琦
１
１
(
清华大学网络科学与网络空间研究院
北京
１０００８４
)
２
(
武汉大学国家网络安全学院
武汉
４３００７２
)
３
(
西安交通大学网络空间安全学院
西安
７１００４９
)
(
y
z１７＠mails．tsin
g
hua．edu．cn
)
Stud
y
ofWechatS
y
bilDetection
Yan
g
Zhen
g
１
,
YinQilei
１
,
LiHaoran
１
,
MiaoYuanli
１
,
YuanDon
g
１
,
Wan
g
Qian
２
,
ShenChao
３
,
andLiQi
１
１
(
Institute
f
orNetworkSciencesandC
y
bers
p
ace
,
Tsin
g
huaUniversit
y
,
Bei
j
in
g
１０００８４
)
２
(
Schoolo
f
C
y
berScienceandEn
g
ineerin
g
,
WuhanUniversit
y
,
Wuhan
４３００７２
)
３
(
Schoolo
f
C
y
berScienceandEn
g
ineerin
g
,
XianJiaoton
g
Universit
y
,
Xian
７１００４９
)
Abstract Onlinesocialnetworks
(
OSNs
)
areefficient
p
latformsforinformationdisseminationand
facilitateourdail
y
life．ThevalueofOSNaccountsincreaseswiththe
p
o
p
ularit
y
ofOSNs．Inorderto
obtain
p
rofitsille
g
all
y
,
attackerslevera
g
e OSNstoconstructvariousattackssuch asfraudand
g
amblin
g
．Anumberofsolutionshavebeen
p
ro
p
osedto
p
rotectuserssecurit
y
,
whichmainl
y
focuses
ondetectin
g
maliciousaccounts
(
orS
y
bils
)
b
y
anal
y
zin
g
userbehaviororthe
p
ro
p
a
g
ationofuser
relations．Unfortunatel
y
,
itusuall
y
takes muchtimetocollectenou
g
hdatato
p
erform malicious
accountdetection．Attackerscan
p
erform differentkindsofattacksdurin
g
thedatacollection
p
hase．
TodetectS
y
bilsefficientl
y
,
we
p
ro
p
oseanewa
pp
roachthatlevera
g
esaccountre
g
istrationattributes
todetectS
y
bils．First
,
weanal
y
zetheexistin
g
detectionmethodsins
y
bildetection．Then
,
weanal
y
ze
there
g
istration dataof WeChat．Weanal
y
zeandcom
p
arethedistributionofS
y
bilsand beni
g
n
accountsindifferentre
g
istrationattributes
,
andfindthatS
y
bilsare
p
ronetocluster withsome
re
g
istrationattributes．Accordin
g
tothesestatistics
,
weextracttwokindsoffeaturesfrom different
attributes
,
i．e．
,
s
y
nchronizationＧbased features and anomal
y
Ｇbased features
,
and calculate the
similarit
y
oftwoaccountsbasedonthosefeatures．Theaccountsthathavehi
g
hsimilarit
y
aremore
likel
y
tobe malicious．Finall
y
,
webuilda
g
ra
p
hu
p
onaccountshavin
g
ahi
g
hsimilarit
y
tocluster
malicioususers．Wecalculatea maliciousscoreforeach usertoinfer whetheritisaS
y
bil．We
p
rotot
yp
eoura
pp
roach
,
andtheex
p
erimentalresultswithrealWeChatshowthatoura
pp
roachcan
achieve９６％
p
recisionand６０％ recall．
Ke
y
words onlinesocialnetwork
;
clusterin
g
;
s
y
bildetection
;
accountre
g
istrationcharacteristics
;
statisticalanal
y
sis
摘
要
社交网络是一个有效的信息传播平台
,
使得人们的生活更加便捷
．
同时
,
在线社交网络也不断提
高了社交网络账号的价值
．
然而
,
为了获取非法 利益
,
犯罪团 伙会利 用社交 网络平 台隐秘 地开展 各种诈
骗
、
赌博等犯罪活动
．
为了保护用户的社交安全
,
各种基于用户行为
、
关系传播的恶意账号检测方法被提
出
．
此类方法需要积累足够的用户数据才能 进行恶 意检测
,
利用这 个时间 差
,
犯罪团 伙可以 开展大 量的
犯罪活动
．
首先系统分析了现有恶意 账号检 测工作
．
为克服 现有方 法的 缺 点而 更 快地 检 测恶 意 账号
,
设
计了一种基于账号注册属性的恶意账号检测 方法
．
方法首 先通过 分析恶 意账号 和正常 账号在 不同属 性
值上的分布
,
设计并提取了账号的相似性特征和异常特征
;
然后基于此计算两两账号的相似度构图以聚
类挖掘恶意注册团体
,
从而有效实现注册阶段的恶意账号检测
．
关键词
在线社交网络
;
聚类
;
恶意账号检测
;
账号注册属性
;
统计分析
中图法 分类号
TP３９３
随着移动互联网 的 发展
,
移动 社 交网 络 迅速 地
成为了主流的社交 平 台
,
在人 们 的生 活 和工 作 中占
据了重要的地位
．
除了传统的对话交流
,
移动社交网
络平台还为用户提 供 了更 加 多样 化 的服 务
,
例如 阅
读
、
购物等
．
众多的用户共同编织了一张复杂的社交
网络
,
他们的一举一动都在影响着这个网络的发 展
．
与此同时
,
一些不法分子也在社交网络上活跃着
,
他
们使用批量注册的 账 号
,
在社 交 平台 上 进行 各 种恶
意活动
,
例如赌博
、
刷阅读量
、
引导用户流等
,
以此牟
取不法利益
．
为了防止 恶意账 号危害 社交网 络生态 环境
,
许
多恶意账号检 测 模 型 被 提 出
．
例 如 基 于 用 户 发 送 的
内容
(
如文字
、
图片
、
链接 等
)、
用户 行 为
(
如点 赞
、
上
传
、
关注等
),
来训 练 检测 模 型
[
１Ｇ６
]
;
或者 根 据 用 户 间
的社交关系
(
如好 友
、
关注
、
订阅 等
)
构建 图 模型
,
来
挖掘 恶 意 团体
[
７Ｇ１０
]
．
然 而
,
无 论 是 用户 发送 的内 容
、
用户的行为
,
还是用户间的社交关系
,
都需要一定的
时间来收集和积累
．
在这段期间里
,
恶意账号已经可
以开展大量的恶意活动
,
对正常用户造成影响
．
另一
方面
,
当今黑色产业 链已 大 规模 地 采用 自 动化 账 户
注册技术来批量获 取 社交 网 络账 号
,
以确 保 其恶 意
活动可持续
、
影响范围广且获得的不法利益高
．
本文
首先具体介绍了现有恶意账号检测工作并分析了它
们的优缺点
．
为克服它们的局限性
,
更加快速而有效
地应对此类黑产威胁
,
减少恶意账号造成的危害
,
并
尽早检测出此类由 黑 产链 批 量注 册 的恶 意 账号
,
本
文提出了基于社交网络账号注册属性的恶意账号检
测方法
．
本文工 作 旨 在 仅 基 于 账 号 注 册 属 性 实 现 对
恶意账号的有效检 测
,
在注 册 阶段 即 遏止 恶 意账 号
的进一步活动
．
微信是现今中国最大的移动互联网社交网络平
台
,
每天的账号注册量可达百万级别
．
在与微信平台
所有方
———
腾讯 公 司
———
达 成 深 度 合 作 的 基 础 上
,
本文对其提供的
２０１７
年部 分 微信 注 册账 号 数据 进
行了深入统计分析
,
发现 在 某些 时 段上 恶 意账 号 占
全部新注册账号的比例可高 达
５０％
,
但由于 涉及商
业隐私
,
我们无 法 给 出 具 体 的 数 值
．
此 外
,
还 发 现 恶
意账号会使用某些 相 同的 注 册属 性
,
如某 个 恶意 团
体注册的账号具有相同的
IP
前缀和手机号码 前缀
．
这是由于恶意团体注册账号时受时间
、
人力
、
设备等
资源所限
,
使用 机 器 批 量 注 册 造 成 的
．
此 外
,
恶 意 账
号的某些注册属性 会 存在 异 常
,
如注 册 国家 与 用户
填写的国家不一致
、
注册
IP
所在省份与手机号所在
省份不一致等
．
这 可 能 是 因 为 这 些 属 性 是 黑 色 产 业
链的批量注册工具 随 机生 成 的
,
未考 虑 正常 账 号属
性间的内在联 系
．
针 对 恶 意 账 号 具 有 的 相 似 性 特 征
和异常特征
,
本文使 用了 带 权重 的 无向 非 连通 图 的
账号聚类算法
,
用图中的点代表账号
,
边代表账号间
的相似关系
,
图中的 连通 分 量便 能 体现 账 号间 的 群
组关系
,
从而能够快速 地 将大 量 注册 账 号聚 集 成若
干个群组
．
注意 到 每 一 个 连 通 分 量 都 是 一 张 有 权 重
的无向连通子图
,
本文 提 出了 基 于带 权 重的 无 向连
通图的恶意检测算 法
,
为每 个 账号 计 算出 恶 意分 数
来衡量其恶意 程 度
．
恶 意 分 数 高 的 账 号 将 最 终 被 判
定为恶意账号
．
本文的贡献主要有
３
个方面
:
１
)
系统分析 了 近 年 来 社 交 网 络 恶 意 账 号 检 测
的研究工作
,
包括基 于账 号 属性 特 征的 检 测模 型 与
基于账号间关系的检测模型
;
２
)
对微信账 号 的 注 册 数 据 进 行 大 规 模 地 统 计
分析
,
系统总结了恶 意账 号 具有 相 似与 异 常的 注 册
属性模式
;
３
)
设计了一 种 基 于 注 册 属 性 的 无 监 督 恶 意 账
号检测方法
,
可在账 号注 册 阶段 实 现对 大 规模 恶 意
０２３２
计算机研究与发展
２０２１
,
５８
(
１１
)
of 14
免费下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论