社交网络是真实物理世界的社交关系在虚拟网络空间的一种映射,储存了大量的用户资料及用户社交关系,用户安全性直接关系到社交网络的安全稳定运行。目前恶意用户及异常行为间关联关系日趋复杂化、隐蔽化,传统针对于用户个体的异常检测方法已不能满足当前异常用户群体检测的需求,异常用户群体检测方法成为研究热点。针对社交用户的海量行为数据,提出基于审计推理的异常用户群体检测方法,主要工作如下:(1)对群体行为分析相关方法的讨论与研究概述群体行为分析的相关工作。阐述群体行为的倾向与特点,介绍微博用户行为分析的相关概念,深入研究用户行为分析算法、行为关联逻辑推理等相关技术的理论基础。(2)基于属性度量和相似性度量的用户审计模型面向社交网络中的微博用户,基于用户审计模型具有针对性的分析用户属性信息与自发行为信息。首先,提出用户安全度的概念,并定义安全度阈值以识别恶意用户;其次,构建用户属性度量算法,读取用户属性数据,运用层次权重决策模型计算属性权值向量,分析属性信息;最后,构建相似性度量算法,采用分词技术提取原创博文内容关键词,并改进编辑距离,通过研究用户博文内容,反映用户自发行为的偏好及特点。实验表明,该模型能够全面分析用户的属性和行为数据,具有更准确、更稳定的性能。(3)基于关联概率推理的异常用户群体检测模型在用户审计模型已检测出恶意用户的基础上,进一步考虑用户间交互信息,并基于概率推理做异常行为相关性分析。首先,提出了行为关联度的概念,由属性相似度和行为交互度两方面组成;其次,通过构建属性相似性度量算法与行为交互性度量算法,确定异常关联用户;最后,运用概率软逻辑表达异常关联用户其行为关联发生的前后联系,并提出一组适用于预测异常用户群体检测的推理规则,完成对异常关联用户的概率推理,并将具有相同关联概率值的异常关联用户确定为异常用户群体。实验表明,该模型能够识别异常关联用户,并对可能的关联进行概率推断,具有更高的准确性。