基于对抗多关系图神经网络的机器账号检测

现有的机器账号检测方法或者依赖于对机器账号的先验知识,或者在检测时只关注单一账号的特征,忽略了与该账号有关系的其他账号所能带来的潜在表征,降低了所提检测方法的有效性.针对上述不足,该文提出了一种基于生成对抗网络的多关系图神经网络检测模型.从社交网络数据集中抽取不同关系,建立多关系图,采样节点,训练生成对抗网络,来动态改变关系图结构;将节点特征和图结构信息输入图神经网络,有选择的聚合邻居节点的特征,得到更加精确的图嵌入向量,将向量输入分类器进行检测.实验结果表明,相比于其他算法,该文所述算法在两个数据集中AUC分别最多提升了24％和9％,Recall值分别最多提升了13％和4％.