何 欢，朱 焱，李春平

（1.西南交通大学 信息科学及技术学院，成都 611756；2.清华大学 软件学院，北京 100091）

0 概述

Twitter、Facebook、YouTube、新浪微博等在线社交网络（Online Social Network，OSN）的扩散模式为“去中心化”，该模式能使用户生成内容（User Generated Content，UGC）在用户间建立的“关注-被关注”社交网络上广泛传播，并呈现出传播速度快、覆盖范围广、社会影响力大等特点［1］。但由于其自带的开放性、普适性、低成本、便捷性等优势，容易成为攻击目标。

常见灰帽用户（非正常用户）有僵尸粉、营销号、垃圾用户等，与白帽用户（正常用户）通过OSN 实时分享生活、交友聊天、获取信息等不同，灰帽用户利用OSN平台不断扩大自身影响力以提高可信度，而后进行推广营销、引导舆论导向、散步谣言、盗取泄露他人信息、散布非法链接、钓鱼攻击等不友好甚至非法活动，严重威胁平台安全性及性能。因此，检测OSN 中的灰帽用户至关重要，有利于OSN 管理、广告、新闻媒体与读者等之间的交互优化。

为检测OSN 中的灰帽用户，ERŞAHIN 等［2］通过分析用户名、个人资料、背景图片、朋友和关注者数量、推文内容、用户描述、推文的数量等用户属性信息进行分类检测。根据UGC 的静态属性信息，RAYMOND 等［3］基于自然语言处理的文本分类，通过分析评论文本与正常用户评论的差异发现网络用户发布的虚假评论。ZHANG 等［4］使用基于链接相似性的方法关联用户活动，并采用基于机器学习的方法对可能的用户活动进行检测。以上方法简单有效，但需要UGC 中的垃圾信息（如广告、非法字段等）含有明显关键字或是恶意链接，因此灰帽用户容易通过修改相关信息躲避检测。……