计算机科学与探索

作者：程佳琳, 袁得嵛, 孙泽宇, 陈梓彦

单位：1. 中国人民公安大学 信息网络安全学院，北京 1000382. 安全防范技术与风险评估公安部重点实验室，北京 102623

关键词：网络嵌入,社交网络,深度学习,身份关联

基金：国家社会科学基金重点项目（20AZD114）；中国人民公安大学基本科研业务费重点项目（2022JKF02007）。

挖掘海量虚拟身份之间的关联关系，确定不同虚拟身份的同一性对于用户精准推荐、异常用户检测、舆情管控等具有重要意义。为了判别多个不同虚拟网络身份是否为同一个人所拥有，提出了一种基于SDNE嵌入表达的深度学习算法（eSUIL）来解决跨网络用户身份关联的问题，并构建了一个跨网络用户身份关联统一框架。对社交网络中的用户关系进行扩展，借鉴SDNE模型的思想对不同网络中的用户节点进行嵌入学习，将用户节点映射到低维向量空间中。使用深度神经网络构造映射函数得到用户节点的准确表达。计算用户节点间的相似度以进行用户对齐，从而实现跨社交网络的用户身份关联。为了提高身份关联的准确性，还引入用户名信息作为辅助判断。在真实社交网络数据集和人工合成网络数据集上分别进行实验验证，实验结果表明，对比基线算法PALE、CLF以及Deeplink，在准确率和F1值上均提高了8个百分点以上，表明提出的eSUIL算法在身份关联方面具有优异的性能，能够准确关联不同网络中的同一用户身份。

来源：2025年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第2期