融合BiLSTM与CNN的推特黑灰产分类模型.pdfVIP

1862025，61（1）ComputerEngineeringandApplications计算机工程与应用

⦾模式识别与人工智能⦾

融合BiLSTM与CNN的推特黑灰产分类模型

+

朱恩德，王威，高见

中国人民公安大学信息网络安全学院，北京100038

+通信作者E-mail：201621450024@stu.ppsuc.edu.cn

摘要：当前推特等国外社交平台，已成为从事网络黑灰产犯罪不可或缺的工具，对推特上黑灰产账号进行发现、检

测和分类对于打击网络犯罪、维护社会稳定具有重大意义。现有的推文分类模型双向长短时记忆网络（bi-directional

longshort-termmemory，BiLSTM）可以学习推文的上下文信息，却无法学习局部关键信息，卷积神经网络（convolu-

tionneuralnetwork，CNN）模型可以学习推文的局部关键信息，却无法学习推文的上下文信息。结合BiLSTM与

CNN两种模型的优势，提出了BiLSTM-CNN推文分类模型，该模型将推文进行向量化后，输入BiLSTM模型学习推

文的上下文信息，再在BiLSTM模型后引入CNN层，进行局部特征的提取，最后使用全连接层将经过池化的特征连

接在一起，并应用softmax函数进行四分类。模型在自主构建的中文推特黑灰产推文数据集上进行实验，并使用

TextCNN、TextRNN、TextRCNN三种分类模型作为对比实验，实验结果显示，所提的BiLSTM-CNN推文分类模型在

对四类推文进行分类的宏准确率为98.32%，明显高于TextCNN、TextRNN和TextRCNN三种模型的准确率。

关键词：文本分类；双向长短期记忆网络（BiLSTM）；卷积神经网络（CNN）；黑灰产；推特

文献标志码：A中图分类号：TP183doi：10.3778/j.issn.1002-8331.2308-0220

TwitterBlackMarketAccountsClassificationModelIncorporatingBiLSTMandCNN

+

ZHUEnde,WANGWei,GAOJian

SchoolofCybersecurity,People’sPublicSecurityUniversityofChina,Beijing100038,China

Abstract：Currently,foreignsocialplatforms,suchasTwitter,havebecomeindispensabletoolsforengagingincyber

blackandgraycrime,andthediscovery,detectionandclassificationofblackandgrayaccountsonTwitterareofgreat

significanceforcombatingcybercrimeandmaintainingsocialstability.Theexistingtweetclassificationmodelbidirec-

tionallongshort-termmemory(BiLSTM)canlearnthecontextualinformationoftweetsbutcannotlearnthelocal

keyinformation,andtheconvolutionneuralnetwork(CNN)modelcanlearnthelocalkeyinformationoftweetsbut

cannotlearnthecontextualinformationoftweets.ThispapercombinestheadvantagesofBiLSTMandCNNmodelsand

proposesBiLSTM-CNNtweetclassificationmodel,whichvectorizesthetweets,inputsthem