基于微信公众平台的安全自媒体实现

摘要

近年来，随着信息技术和计算机网络的发展，海量数据的大量增长催生了各种新型网络应用，我国已进入自媒体与共享经济的时代，任何人都可以通过自媒体成为编辑，分享知识。伴随着自媒体的出现，微信、微博等平台成为人们获取信息的主要来源。而随着各种新型网络应用的发展，网络和信息安全问题也显得更加突出，得到越来越多人的关注。安全资讯的及时获取关系着国家、组织、机构、企业以及个人的信息安危，但目前没有公认的可信机构依托这些平台提供国家政策、信息安全资讯、漏洞通告、病毒木马报告、会议投稿日期报告等服务。 及时获取最新的信息安全资讯，对相关的国家政策、新闻资讯、漏洞通告、病毒木马等信息安全资讯进行自动化筛选和分类发布，快捷高效的检索相关资讯，对国家、组织机构、企业以及个人有着重要的意义。作为政府、组织机构、企业、个人维护信息安全的关键，发布这些信息的网站存在数据量大且冗余的特征，导致人工筛选重要信息并不容易。同时，由于自媒体平台普遍存在编辑字数的限制，为了将更多的消息分享给大众，亟须突破这种限制，而突破限制的核心在于压缩和筛选海量数据。 本文针对上述问题，以概览安全信息为例，设计并实现了一个在微信公众平台上自动发布全面的安全知识挖掘框架（DMOSI,data mining of security information），该框架使用文本去重、文本挖掘技术、文本分类、网络爬虫设计并实现，基于文本挖掘技术提出了分类规则，并改进余弦相似度去重算法，通过增加网站权重决策待删数据。其中文本分类的准确度最高可以达到92%，文本去重的误删率可以达到6%，召回率可以达到97%。最后我们将该框架应用于某网络安全微信公众号，实验表明：该框架能够自动且高效地提取信息安全资讯并对资讯进行分类和去重，全面性和及时性都高于同类型的其它微信公众号。能够有效解决自媒体平台信息个数和篇幅受限的问题，便利了信息的发布。 本文的主要贡献如下： 1)为了获取充足的研究数据，我们收集了securityfocus等50个安全类网站，并构建了专门针对信息安全资讯的庞大训练集。所构建的数据来源于表1所列网站上所有历史数据共30794条。将这些数据的类别标注为漏洞(v)，国内业界新闻(c)，国外业界新闻(f)，安全技术(s)。 2）为了去除冗余数据，提出了数据参考链接的引用结构并且针对余弦相似度去重算法只关注相似度计算的问题，进一步改进了该算法，通过增加权重的方式来决策应删数据。 3）为了缓解OVO SVMs的拒分类问题，提出了资讯分类规则。实验表明，基于该分类规则的OVO SVMs分类准确率可达92%。

目录

第一个书签之前