目錄
前言
第1章 緒論 1
1.1 社會大數(shù)據(jù) 1
1.2 社會網(wǎng)絡安全 2
1.3 社會智能 12
1.3.1 社交機器人理論 12
1.3.2 社會情境安全基礎理論 17
1.3.3 社會情境安全體系架構 20
1.4 本章小結 22
參考文獻 23
第2章 基于社會情境分析的虛假信息傳播行為分析與意愿推理 32
2.1 相關定義 32
2.2 虛假信息傳播群組劃分 32
2.3 特征提取及描述 35
2.4 推理模型構建 37
2.5 實驗設計及分析 40
2.5.1 實驗設計 40
2.5.2 實驗結果分析 40
2.6 本章小結 47
參考文獻 47
第3章 基于深度學習的多模態(tài)敏感信息檢測與對抗攻擊模型 49
3.1 敏感圖像特征提取及檢測方法 49
3.1.1 圖像特征提取 49
3.1.2 敏感圖像定義 51
3.1.3 敏感圖像分類檢測方法 52
3.2 多模態(tài)融合敏感分類檢測方法 53
3.3 基于生成對抗網(wǎng)絡的實時黑盒遷移對抗攻擊 54
3.3.1 集成advGAN網(wǎng)絡結構 55
3.3.2 損失函數(shù)設計 57
3.4 實驗設計及分析 58
3.4.1 實驗設計 58
3.4.2 多模態(tài)敏感信息實驗結果分析 59
3.4.3 集成目標模型結構 62
3.4.4 對抗攻擊模型實驗結果分析 63
3.5 本章小結 65
參考文獻 65
第4章 基于差分隱私的位置隱私保護關鍵技術 68
4.1 位置隱私保護 68
4.1.1 位置隱私概念 68
4.1.2 位置隱私攻擊模型 68
4.1.3 位置隱私保護技術 70
4.1.4 位置隱私度量 72
4.2 差分隱私保護 72
4.2.1 差分隱私 73
4.2.2 噪聲機制 74
4.2.3 差分隱私組合性特征 76
4.2.4 地理不可區(qū)分性 76
4.3 基于位置訪問量的隱私預算分配方法 77
4.3.1 隱私預算計算 78
4.3.2 生成擾動位置 80
4.4 組合增量近鄰查詢算法 81
4.4.1 系統(tǒng)模型 81
4.4.2 算法介紹 82
4.5 實驗設計及分析 86
4.5.1 實驗設計 86
4.5.2 實驗結果分析 87
4.6 本章小結 91
參考文獻 91
第5章 面向社會情境的時空訪問控制模型與安全規(guī)則 94
5.1 基于時空和信息流訪問控制模型 94
5.1.1 ST-IFAC模型構建 94
5.1.2 安全規(guī)則形式化描述 98
5.1.3 實驗結果及分析 103
5.2 基于社會情境訪問控制模型 104
5.2.1 SSAC模型構建 104
5.2.2 安全規(guī)則形式化描述 105
5.2.3 實驗結果及分析 107
5.3 本章小結 108
參考文獻 109
第6章 面向社會大數(shù)據(jù)融合的聯(lián)邦學習機制與安全應用 111
6.1 大數(shù)據(jù)融合與聯(lián)邦學習概述 111
6.2 基于聯(lián)邦學習的社會大數(shù)據(jù)融合架構 114
6.2.1 社會大數(shù)據(jù)架構設計流程 115
6.2.2 社會大數(shù)據(jù)融合架構 115
6.3 面向多方隱私保護的惡意用戶檢測方法 117
6.3.1 惡意用戶檢測算法 117
6.3.2 實驗結果及分析 121
6.4 本章小結 126
參考文獻 126
第7章 基于社會情境分析的在線社交網(wǎng)絡平臺安全性眾包評估方法 129
7.1 在線社交網(wǎng)絡群體任務分發(fā)方法 129
7.1.1 群體計算架構 129
7.1.2 群體任務分發(fā)方法 133
7.2 基于SocialSitu的任務分發(fā)算法 139
7.2.1 任務分發(fā)算法 139
7.2.2 算法的評價 141
7.3 實驗設計及分析 141
7.3.1 實驗設計 141
7.3.2 實驗結果分析 143
7.4 本章小結 149
參考文獻 150
第8章 原型系統(tǒng)設計與開發(fā) 153
8.1 社交網(wǎng)絡安全衛(wèi)士軟件 153
8.2 社會輿情分析與虛假信息管控平臺 154
8.2.1 輿情信息總體監(jiān)測與可視化 154
8.2.2 輿情信息關聯(lián)分析與可視化 162
8.2.3 輿情信息綜合指數(shù)與可視化 163
8.3 本章小結 164