使用互聚类系数检测在线社交网络中的可疑链接

"这篇学术论文主要探讨了基于互聚类系数的在线社交网络检测系统，旨在识别并检测社交网络中的可疑链接，以防止恶意活动。文章由Mudasir Ahmad Wani和Suraiya Jabin撰写，发表在沙特国王大学学报上。作者提出了一种名为Mutual Adheriting Coefficient (Mcc) 的改进聚类系数，用于量化两个连通用户的朋友之间的连接程度。同时，他们开发了一个结合互聚类系数和用户个人信息的分类系统，用于检测社区内的可疑链接。研究中，他们利用用户的四个基本信息特征——工作时间、教育程度、家乡城市和当前居住城市作为分类依据，并通过不同相似性度量方法进行实验，验证了这种方法的有效性。" 本文关注的核心知识点包括： 1. **在线社交网络(OSN)**：OSN是互联网上信息传播的重要平台，用户间建立大量连接，其中包括积极的友谊连接和消极的敌意或可疑链接。 2. **可疑链接检测**：检测OSN中的负面或可疑链接对于防范恶意行为至关重要，因为这些链接往往由虚假账户创建，可能涉及垃圾邮件、不公平投票、侵犯用户隐私等活动。 3. **互聚类系数(Mutual Adheriting Coefficient, Mcc)**：这是一种用于量化社交网络中用户之间关系强度的统计量，能够评估两个连通用户的朋友圈之间的互动程度。 4. **用户个人信息**：个人信息如工作时间、教育背景、家乡和现居城市等，被用作识别用户相似性的特征，有助于检测可疑链接。 5. **分类系统**：论文提出了一种基于互聚类系数和用户个人信息的分类方法，通过分析这些特征来区分正常和可疑链接。 6. **相似性度量**：实验中采用了多种相似性度量方法来验证系统的性能，这些度量帮助识别用户之间的关联性，进一步确定链接的可疑程度。 7. **开放获取文章**：该论文遵循CC BY-NC-ND许可证，意味着它是公开可获取的，但不允许商业用途和衍生作品的创作，未经作者许可。 通过上述方法，作者旨在提高对在线社交网络中潜在威胁的识别能力，保护用户免受虚假账户和恶意活动的影响。