移动社交网络异常签到在线检测算法
随着智能手机、Pad等智能移动设备的广泛普及,移动社交网络的应用得到了快速发展.本文针对移动社交网络中用户异常签到位置检测问题,提出了一类基于用户移动行为特征的异常签到在线检测方法.首先,在基于距离的异常模型基础上,提出了基于历史位置(H-Outlier)和基于好友圈(F-Outlier)两种异常签到模型;然后,针对H-Outlier提出了一种优化的检测算法H-Opt,利用所提的签到状态模型与优化的邻居搜索机制降低检测时间;针对F-Outlier提出了一种基于触发的优化检测算法F-Opt,将连续的在线异常检测转化成了基于触发的异常检测方式;最后,在真实的移动社交网络用户签到数据集上,验证了所提算法的有效性.实验结果显示,F-Opt显著降低了H-Opt的异常检测错误率;同时,相比于LUE算法,F-Opt和H-Opt的效率分别平均提升了2.34倍和2.45倍.
移动社交网络、异常检测、签到位置、基于距离的异常、好友圈、签到状态、邻居搜索、时间触发检测
12
TP391(计算技术、计算机技术)
国家自然科学基金项目61403328,61572419;山东省重点研发计划项目2015GSF115009;山东省自然科学基金项目ZR2014FQ016;烟台大学研究生科技创新基金项目YDZD1712
2017-12-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
752-759