86、移动社交网络与办公网络安全的创新解决方案

移动社交网络与办公网络安全的创新解决方案

1. 移动社交网络节点聚类方法

1.1 研究背景

随着移动社交网络服务（MSNS）的发展，收集了大量用户的日常定位信息。然而，现有的相关研究存在不足，如一些研究主要关注移动终端的架构和应用，缺乏数据深度分析；部分基于用户共现识别用户群体的研究，数据样本小且扩展性未验证；传统地理数据挖掘方法依赖连续密集的GPS轨迹，在实际MSNS应用中不可行，且社交网络数据存在节点活跃度低、数据高维时空稀疏等特点。

1.2 解决方案

为解决上述问题，提出了一种基于时间热力图（THM）的节点聚类方法。该方法通过对定位记录的时间戳信息进行分析，将记录按选定的时间间隔聚合，得到时间热力图，以描述节点在不同时间间隔的平均活动水平，从而降低数据维度。

1.3 数据与算法

1.3.1 匿名原始数据

数据来自中国的一个MSNS服务，经过匿名处理。在11个月内，收集了约17,000名用户的60多万条定位记录，每条记录包含匿名用户ID、位置ID和时间戳，位置还带有类别字段。

1.3.2 时间热力图（THM）的定义

THM是一个归一化向量，通过将时间戳字段划分为若干周期性间隔（如24小时）并汇总相应记录得到，可指示活动水平分布。对于给定节点i在时间间隔tj的记录总数nij，其时间热力图的定义为：
[v_{ij} \triangleq \frac{n_{ij}}{\sum_{j=1}^{M} n_{ij}}]，其中(1 \leq j \leq M)。
本文使用“每日小时”THM，将每天划分为24个小时间隔并按小时信息聚合