基于文本特征增强和MHGCN的社交机器人检测方法

摘要

在社交机器人进化的过程中，其伪装能力不断增强，现有检测方法难以保持良好的检测性能。针对这一问题，提出一种基于文本特征增强和多路异构图卷积网络(multiplex heterogeneous graph convolutional network, MHGCN)的社交机器人检测方法，利用增强文本特征和社交图中的异质性、层次性信息实现更精准的检测。一方面，设计了文本特征增强模块，通过账户描述与账户所发布社交文本之间的差异来衡量社交文本的重要程度，依据重要程度增强社交文本特征；另一方面，设计了社交图特征提取模块，将MHGCN应用于社交机器人检测，利用MHGCN捕获账户的社交图特征。通过这两个模块，提出方法能够凸显出混杂在正常文本中的恶意文本和隐匿在真实用户社交邻居中的社交机器人。实验表明，提出方法在开源数据集上的检测效果优于对比方法，证明了提出方法的有效性。

关键词

社交机器人检测 / 文本特征增强 / 社交图特征提取 / 多路异构图卷积网络

基金资助

国家自然科学基金项目(U2001202,62072480); 广东省信息安全技术重点实验室项目(2023B1212060026)