CN109522464A - 信息源检测方法及系统 - Google Patents

Abstract

本申请公开了一种信息源检测方法。该方法包括S1.获取发布特定信息的网络节点；S2.判断所述网络节点是否在已感染网络中；S3.若所述网络节点在所述已感染网络中，则抓取所述网络节点发布所述特定信息的页面信息；S4.提取所述页面信息中的发布时间信息；S5.判断计数器是否达到预设次数，若所述计数器未达到预设次数，则获取发布所述特定信息的下一个网络节点，计数器加N，重复S2至S4；S6.若所述计数器达到预设次数，则在已获得所述发布时间信息的网络节点中，选取发布时间最早的网络节点为所述特定信息源节点。本申请还提供了一种采用上述方法的系统。本申请解决了追溯网络信息发布源时信息采集、处理量大导致的速度慢、源头判断准确率低的技术问题。

Description

信息源检测方法及系统

技术领域

本申请涉及通信领域，具体而言，涉及一种信息源检测方法及系统。

背景技术

随着互联网技术的迅猛发展，人们将上网浏览和传播信息变成了一种习惯，互联网已经成为人们信息获取和资源共享的重要方式。网民在上网浏览各大平台、网站时，常会受到各种网络媒体的影响，其中一些对当今时事的片面、偏激的观点会影响读者的思考；而且有一些居心叵测的人在网上散播流言，混淆视听，甚至从谣言传播中牟取不法利润。这种网络不实信息的传播导致的社会问题的产生并造成了严重的社会影响，因此寻找网络危害源就显得尤为重要。

相关技术中网络信息源追踪技术通常包括两个方面，第一，采集获取互联网信息，从中获取所需的特定信息；第二，对采集的数据做智能处理，最终获得信息源。但互联网上数据海量，信息实时更新，所以追踪网络信息源时需要抓取并处理的数据量往往十分巨大，工作量繁重，耗时长，源头判断准确率低。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种信息源检测方法及系统，以解决至少上述相关技术中的问题之一。

为了实现上述目的，根据本申请的一个方面，提供了一种信息源检测方法，该方法包括：

S1.获取发布特定信息的网络节点；S2.判断所述网络节点是否在已感染网络中；S3.若所述网络节点在所述已感染网络中，则抓取所述网络节点发布所述特定信息的页面信息；S4.提取所述页面信息中的发布时间信息；S5.判断计数器是否达到预设次数，若所述计数器未达到预设次数，则获取发布所述特定信息的下一个网络节点，计数器加N，重复S2至S4；S6.若所述计数器达到预设次数，则在已获得所述发布时间信息的网络节点中，选取发布时间最早的网络节点为所述特定信息源节点。

进一步的，如前述的方法，所述S2中判断所述网络节点是否在已感染网络中，包括：判断所述网络节点在预设时间内是否向外传输信息；若所述网络节点在预设时间内没有向外传输信息，则判定所述网络节点不在已感染网络中；若所述网络节点在预设时间内向外传输了信息，则按照第一预设规则判断所述网络节点是否已感染网络中。

进一步的，如前述的方法，所述按照第一预设规则判断所述网络节点是否已感染网络中，包括：判断所述网络节点在预设时间内是否向外传输所述特定信息；若所述网络节点在预设时间内向外传输了所述特定信息，则判定所述网络节点在已感染网络中；若所述网络节点在预设时间内没有向外传输所述特定信息，则判定所述网络节点不在已感染网络中。

进一步的，如前述的方法，在所述S3之后，在所述S4之前，包括：对所述页面信息进行预处理，获得所述页面信息的特征向量；采用分类器对所述页面信息的特征向量进行分类。

进一步的，如前述的方法，所述S3中抓取所述网络节点发布所述特定信息的页面信息，包括：获取发布所述特定信息的网络节点的网络地址；按照预设频率根据所述网络地址捕获所述网络节点的页面信息。

为了实现上述目的，根据本申请的另一方面，提供了一种信息源检测系统，该系统包括：第一判断单元、信息抓取单元、信息分析单元、返回单元和信息源判定单元，其中：

所述第一判断单元，用于获取发布特定信息的网络节点，判断所述网络节点是否在已感染网络中；所述信息抓取单元，用于在所述网络节点在所述已感染网络中时，抓取所述网络节点发布所述特定信息的页面信息；所述信息分析单元，用于提取所述页面信息中的发布时间信息；所述返回单元，用于判断计数器是否达到预设次数，在所述计数器未达到预设次数时，返回所述第一判断单元，计数器加N；所述信息源判定单元，用于在所述计数器达到预设次数后，在已获得所述发布时间信息的网络节点中，选取发布时间最早的网络节点为所述特定信息源节点。

进一步的，如前述的系统，所述第一判断单元，包括第二判断单元，其中：所述第二判断单元，用于判断所述网络节点在预设时间内是否向外传输信息；所述第一判断单元，还用于在所述网络节点在预设时间内没有向外传输信息时，判定所述网络节点不在已感染网络中；所述第一判断单元，还用于在所述网络节点在预设时间内向外传输了信息时，按照第一预设规则判断所述网络节点是否已感染网络中。

进一步的，如前述的系统，所述第一判断单元，包括第三判断单元，其中：所述第三判断单元，用于判断所述网络节点在预设时间内是否向外传输所述特定信息；所述第一判断单元，还用于在所述网络节点在预设时间内向外传输了所述特定信息时，判定所述网络节点在已感染网络中；所述第一判断单元，还用于在所述网络节点在预设时间内没有向外传输所述特定信息时，判定所述网络节点不在已感染网络中。

进一步的，如前述的系统，所述信息分析单元，包括预处理单元和分类单元，其中：所述预处理单元，用于对所述页面信息进行预处理，获得所述页面信息的特征向量；所述分类单元，用于采用分类器对所述页面信息的特征向量进行分类。

进一步的，如前述的系统，所述信息抓取单元，还用于获取发布所述特定信息的网络节点的网络地址；所述信息抓取单元，还用于按照预设频率根据所述网络地址捕获所述网络节点的页面信息。

在本发明中，采用判断待检测的网络节点是否在已感染网络中的方式，通过降低需抓取信息的网络节点的数量，达到了减少数据处理量的目的，从而实现了缩减工作量、提高源头追踪效率的技术效果，进而解决了追溯网络信息发布源时信息采集、处理量大导致的速度慢、源头判断效率低的的技术问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本申请一个实施例提供的一种信息源检测方法的流程示意图；

图2是本申请一个实施例提供的一种已感染网络节点判断方法流程示意图；以及

图3是本申请一个实施例提供的一种信息源检测系统的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

根据本发明实施例，提供了一种信息源检测方法，如图1所示，该方法包括如下的步骤：

S1.获取发布特定信息的网络节点；

S2.判断所述网络节点是否在已感染网络中；

进一步地，如图2所示，判断网络节点是否在已感染网络的方法包括：S21.判断所述网络节点在预设时间内是否向外传输信息；

S22.若所述网络节点在预设时间内没有向外传输信息，则判定所述网络节点不在已感染网络中；

S23.若所述网络节点在预设时间内向外传输了信息，则按照第一预设规则判断所述网络节点是否已感染网络中。

具体地，首先判断待检测的网络节点是否为活动节点，即在谣言传播的时间段内，是否向其他网络节点传输信息，若没有向外界发送信息(如网站关闭等情况发生)，则该节点不会是该谣言传播的源头(若是信息源，这个信息也就不会传播了)；若向外界发送了信息，则需要进一步判断。

更进一步地，如图2所示，S231.判断所述网络节点在预设时间内是否向外传输所述特定信息；

S232.若所述网络节点在预设时间内向外传输了所述特定信息，则判定所述网络节点在已感染网络中；

S233.若所述网络节点在预设时间内没有向外传输所述特定信息，则判定所述网络节点不在已感染网络中。

具体地，在待检测的节点在谣言传播的时间段内，向其他网络节点传输信息的情况下，然后判断待检测节点向外传输的信息中是否包含谣言中关键词，若检测到有关键词，则判定该节点为已感染网络；若检测不到关键词，则判定该节点不属于已感染网络。

S3.若所述网络节点在所述已感染网络中，则获取发布所述特定信息的网络节点的网络地址，按照预设频率根据所述网络地址捕获所述网络节点的页面信息，抓取所述网络节点发布所述特定信息的页面信息；具体地，采用开源的Heritrix爬虫框架，来实现对网络信息的自动获取，并按照预设时间定时捕捉网站新添加的内容。

S401.对所述页面信息进行预处理，获得所述页面信息的特征向量；

S402.采用分类器对所述页面信息的特征向量进行分类。具体地，先将已抓取的信息进行文档分词、特征提取等操作，将文档转化为向量空间模型作为开源SVM工具的输入；将一部分文档作为训练集训练SVM，采用训练后的SVM对后续的文档进行预测分类。

S4.提取所述页面信息中的发布时间信息；

S5.判断计数器是否达到预设次数，若所述计数器未达到预设次数，则获取发布所述特定信息的下一个网络节点，计数器加N，重复S2至S4；

S6.若所述计数器达到预设次数，则在已获得所述发布时间信息的网络节点中，选取发布时间最早的网络节点为所述特定信息源节点。具体地，将已感染网络中的网络节点按照谣言发布时间排序后，选取最先发布该谣言信息的网络节点为信息源节点。

从以上的描述中，可以看出，本发明实现了如下技术效果：

在本发明中，采用判断待检测的网络节点是否在已感染网络中的方式，通过判断谣言传播时间段内待检测节点是否向其他节点传输谣言信息，划定了已感染谣言的网络节点范围，降低需抓取信息的网络节点的数量，达到了减少数据处理量的目的，从而实现了缩减工作量、提高源头追踪效率的技术效果，进而解决了追溯网络信息发布源时信息采集、处理量大导致的速度慢、源头判断效率低的的技术问题；采用爬虫框架抓取网络信息，并利用机器学习的方式为抓取的信息进行分类，提高了信息源判断的准确率。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。例如，第二判断单元和第三判断单元的区别在于判断的对象不同，应该理解在适当情况下两个判断单元可以互换，或可以采用同一组硬件设备，以便用于这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包括了预处理单元和分类单元的信息分析单元不必限于清楚地列出包括单元，而是可包括没有清楚地列出的或对于这些系统固有的信息传输单元等。

在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系的词可能用于表示其他含义，例如术语“外”在“判断所述网络节点在预设时间内是否向外传输信息”中表示判断该网络节点是否向其他节点传输信息。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，还提供了一种用于实施上述信息源检测方法的信息源检测系统，如图3所示，该系统包括：

第一判断单元、信息抓取单元、信息分析单元、返回单元和信息源判定单元，其中：

所述第一判断单元，用于获取发布特定信息的网络节点，判断所述网络节点是否在已感染网络中；

进一步地，所述第一判断单元，包括第二判断单元和第三判断单元，其中：

所述第二判断单元，用于判断所述网络节点在预设时间内是否向外传输信息；

所述第一判断单元，还用于在所述网络节点在预设时间内没有向外传输信息时，判定所述网络节点不在已感染网络中；

所述第一判断单元，还用于在所述网络节点在预设时间内向外传输了信息时，按照第一预设规则判断所述网络节点是否已感染网络中。

所述第三判断单元，用于判断所述网络节点在预设时间内是否向外传输所述特定信息；

所述第一判断单元，还用于在所述网络节点在预设时间内向外传输了所述特定信息时，判定所述网络节点在已感染网络中；

所述第一判断单元，还用于在所述网络节点在预设时间内没有向外传输所述特定信息时，判定所述网络节点不在已感染网络中。

具体地，第二判断单元首先判断待检测的网络节点是否为活动节点，即在谣言传播的时间段内，是否向其他网络节点传输信息，若没有向外界发送信息(如网站关闭等情况发生)，则该节点不会是该谣言传播的源头(若是信息源，这个信息也就不会传播了)；若向外界发送了信息，则然后第三判断单元判断待检测节点向外传输的信息中是否包含谣言中关键词，若检测到有关键词，则判定该节点为已感染网络；若检测不到关键词，则判定该节点不属于已感染网络。

所述信息抓取单元，用于在所述网络节点在所述已感染网络中时，抓取所述网络节点发布所述特定信息的页面信息；

所述信息抓取单元，还用于获取发布所述特定信息的网络节点的网络地址；

所述信息抓取单元，还用于按照预设频率根据所述网络地址捕获所述网络节点的页面信息。

具体地，采用开源的Heritrix爬虫框架，来实现对网络信息的自动获取，并按照预设时间定时捕捉网站新添加的内容。

所述信息分析单元，用于提取所述页面信息中的发布时间信息；所述信息分析单元，包括预处理单元和分类单元，其中：

所述预处理单元，用于对所述页面信息进行预处理，获得所述页面信息的特征向量；

所述分类单元，用于采用分类器对所述页面信息的特征向量进行分类。具体地，先将已抓取的信息进行文档分词、特征提取等操作，将文档转化为向量空间模型作为开源SVM工具的输入；将一部分文档作为训练集训练SVM，采用训练后的SVM对后续的文档进行预测分类。

所述返回单元，用于判断计数器是否达到预设次数，在所述计数器未达到预设次数时，返回所述第一判断单元，计数器加N；

所述信息源判定单元，用于在所述计数器达到预设次数后，在已获得所述发布时间信息的网络节点中，选取发布时间最早的网络节点为所述特定信息源节点。具体地，信息源判定单元将已感染网络中的网络节点按照谣言发布时间排序后，选取最先发布该谣言信息的网络节点为信息源节点。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种信息源检测方法，其特征在于，包括：

S1.获取发布特定信息的网络节点；

S2.判断所述网络节点是否在已感染网络中；

S3.若所述网络节点在所述已感染网络中，则抓取所述网络节点发布所述特定信息的页面信息；

S4.提取所述页面信息中的发布时间信息；

S5.判断计数器是否达到预设次数，若所述计数器未达到预设次数，则获取发布所述特定信息的下一个网络节点，计数器加N，重复S2至S4；

S6.若所述计数器达到预设次数，则在已获得所述发布时间信息的网络节点中，选取发布时间最早的网络节点为所述特定信息源节点。

2.根据权利要求1所述的方法，其特征在于，所述S2中判断所述网络节点是否在已感染网络中，包括：

判断所述网络节点在预设时间内是否向外传输信息；

若所述网络节点在预设时间内没有向外传输信息，则判定所述网络节点不在已感染网络中；

若所述网络节点在预设时间内向外传输了信息，则按照第一预设规则判断所述网络节点是否已感染网络中。

3.根据权利要求2所述的方法，其特征在于，所述按照第一预设规则判断所述网络节点是否已感染网络中，包括：

判断所述网络节点在预设时间内是否向外传输所述特定信息；

若所述网络节点在预设时间内向外传输了所述特定信息，则判定所述网络节点在已感染网络中；

若所述网络节点在预设时间内没有向外传输所述特定信息，则判定所述网络节点不在已感染网络中。

4.根据权利要求1所述的方法，其特征在于，在所述S3之后，在所述S4之前，包括：

对所述页面信息进行预处理，获得所述页面信息的特征向量；

采用分类器对所述页面信息的特征向量进行分类。

5.根据权利要求1所述的方法，其特征在于，所述S3中抓取所述网络节点发布所述特定信息的页面信息，包括：

获取发布所述特定信息的网络节点的网络地址；

按照预设频率根据所述网络地址捕获所述网络节点的页面信息。

6.一种信息源检测系统，其特征在于，包括第一判断单元、信息抓取单元、信息分析单元、返回单元和信息源判定单元，其中：

所述第一判断单元，用于获取发布特定信息的网络节点，判断所述网络节点是否在已感染网络中；

所述信息抓取单元，用于在所述网络节点在所述已感染网络中时，抓取所述网络节点发布所述特定信息的页面信息；

所述信息分析单元，用于提取所述页面信息中的发布时间信息；

所述返回单元，用于判断计数器是否达到预设次数，在所述计数器未达到预设次数时，返回所述第一判断单元，计数器加N；

所述信息源判定单元，用于在所述计数器达到预设次数后，在已获得所述发布时间信息的网络节点中，选取发布时间最早的网络节点为所述特定信息源节点。

7.根据权利要求6所述的系统，其特征在于，所述第一判断单元，包括第二判断单元，其中：

所述第二判断单元，用于判断所述网络节点在预设时间内是否向外传输信息；

所述第一判断单元，还用于在所述网络节点在预设时间内没有向外传输信息时，判定所述网络节点不在已感染网络中；

所述第一判断单元，还用于在所述网络节点在预设时间内向外传输了信息时，按照第一预设规则判断所述网络节点是否已感染网络中。

8.根据权利要求7所述的系统，其特征在于，所述第一判断单元，包括第三判断单元，其中：

所述第三判断单元，用于判断所述网络节点在预设时间内是否向外传输所述特定信息；

所述第一判断单元，还用于在所述网络节点在预设时间内向外传输了所述特定信息时，判定所述网络节点在已感染网络中；

所述第一判断单元，还用于在所述网络节点在预设时间内没有向外传输所述特定信息时，判定所述网络节点不在已感染网络中。

9.根据权利要求6所述的系统，其特征在于，所述信息分析单元，包括预处理单元和分类单元，其中：

所述预处理单元，用于对所述页面信息进行预处理，获得所述页面信息的特征向量；

所述分类单元，用于采用分类器对所述页面信息的特征向量进行分类。

10.根据权利要求6所述的系统，其特征在于，所述信息抓取单元，还用于获取发布所述特定信息的网络节点的网络地址；

所述信息抓取单元，还用于按照预设频率根据所述网络地址捕获所述网络节点的页面信息。