基于文本的聊天對(duì)象身份驗(yàn)證.pdf

1、隨著互聯(lián)網(wǎng)的迅速普及，它已經(jīng)成為我們生活中不可或缺的一部分，在它帶給我們極大便利的同時(shí)，網(wǎng)絡(luò)安全也越來(lái)越受到人們的關(guān)注。即時(shí)通訊，作為網(wǎng)絡(luò)的一個(gè)重要分支，也自然成為眾多黑客和不法分子攻擊和利用的對(duì)象。在我們利用即時(shí)通訊工具進(jìn)行聊天的過(guò)程中，由于對(duì)方身份的模糊性，使得一些有不良企圖的人有了可乘之機(jī)，通過(guò)竊取或者冒用別人的賬號(hào)發(fā)布一些惡意鏈接或者虛假欺詐信息以獲取非法利益。
　　傳統(tǒng)的對(duì)于作者身份驗(yàn)證問(wèn)題的研究適合于解決有較長(zhǎng)文本作為

2、訓(xùn)練數(shù)據(jù)的問(wèn)題，比如著作權(quán)歸屬問(wèn)題或者作弊系統(tǒng)的開(kāi)發(fā)；但是，由于我們聊天時(shí)的消息文本一般比較短，而且對(duì)于中文語(yǔ)料和英文語(yǔ)料在處理上也存在很大的不同，使得我們很難將以前的方法直接應(yīng)用到這個(gè)問(wèn)題。
　　本課題借鑒了處理作者身份識(shí)別問(wèn)題的一些方法，同時(shí)在以下方面對(duì)其提出改進(jìn)：
　　1.提取虛詞。我們采用對(duì)比提取的方式，有針對(duì)性的提取出那些有別于其他人的特征；另外，我們發(fā)現(xiàn)很多針對(duì)即時(shí)通信領(lǐng)域的特定的一些特征對(duì)分類也有積極的影響，比

3、如表情符號(hào)，網(wǎng)絡(luò)流行語(yǔ)等；
　　2.處理中文語(yǔ)料。N-Gram算法在處理英文語(yǔ)料的時(shí)候被頻繁使用，但如果我們直接將其應(yīng)用到中文語(yǔ)料，則提取的特征值過(guò)于稀疏，對(duì)分類幫助不大，所以我們考慮將漢字轉(zhuǎn)化成其他形式，以解決特征過(guò)于稀疏的問(wèn)題；
　　3.分類。大量的文獻(xiàn)已經(jīng)證實(shí)SVM對(duì)于處理作者身份識(shí)別這種多分類問(wèn)題時(shí)效果最好，而且作者身份驗(yàn)證的問(wèn)題時(shí)許多文獻(xiàn)沿用了SVM作為分類器，本課題中，我們改進(jìn)了后向傳播算法以使其能夠處理單分類問(wèn)