尚思佳 陈晓淇 林靖淞 林睫菲 李 臻 刘延华

1(中国科学院信息工程研究所物联网信息安全技术北京市重点实验室 北京 100093) 2(中国科学院大学网络空间安全学院 北京 100049) 3(福州大学计算机与大数据学院 福州 350108) 4(国网信通亿力科技有限责任公司 福州 350003)

当前,电信网络诈骗犯罪的手段愈加多样化,呈现出跨平台实施、黑灰产业化的特点[1].黑灰产以公开网站作为传播违法违规内容的平台,具有链条化、团伙化、资产化和跨域化等特点.

分析黑灰产团伙掌握的网络资产是打击黑灰产的重要切入点,本文通过研究图挖掘技术,从海量黑灰产网络节点中挖掘同一团伙网络黑灰产子图,找出黑灰产团伙中的关键节点,发现关联多资产或多业务的关键链路.

目前,国内外有多种基于图挖掘的异常识别方法.Zhao等人[2]提出了BotGraph方法,通过对用户之间的邮件发送情况进行剪枝发现异常的用户群体;Beutel等人[3]提出的CopyCatch算法、Jiang等人[4]提出的CatchSync算法,均是捕获大规模有向图中的同步行为,以挖掘网络中的异常;Cao等人[5]提出了SynchroTrap算法,通过计算节点之间在一定时间内发生相似行为的数量,建立相似性网络图,并根据阈值进行图切割,再根据图的连通性进行聚类,以寻找异常子图;Prakash等人[6]提出了EigenSpokes算法,该方法使用奇异矩阵分解,根据特征值较大的特征向量识别欺诈账户.

核心网络资产的识别类似于暴恐团伙核心成员的辨识.社会网络分析被广泛视为研究恐怖团伙内社区结构……