微信息輿情的主動(dòng)介入導(dǎo)引模式*

孫　彬， 王　東

(1. 新疆財(cái)經(jīng)大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院， 烏魯木齊 830011； 2. 新疆教育學(xué)院 職業(yè)教育分院， 烏魯木齊 830033)

?

微信息輿情的主動(dòng)介入導(dǎo)引模式*

孫彬1， 王東2

(1. 新疆財(cái)經(jīng)大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院， 烏魯木齊 830011； 2. 新疆教育學(xué)院 職業(yè)教育分院， 烏魯木齊 830033)

針對微信息輿情所面臨的扭曲心態(tài)多發(fā)、公信力受損、技術(shù)死角多等嚴(yán)峻問題，在大數(shù)據(jù)條件下，利用分布式網(wǎng)絡(luò)的MapReduce架構(gòu)設(shè)計(jì)出虛擬式蜜罐防御模型和相關(guān)檢測算法，實(shí)現(xiàn)監(jiān)管角色成功介入，能夠主動(dòng)導(dǎo)引用戶興趣方向并預(yù)測新輿情傾向，并提出建設(shè)輿情監(jiān)測適用機(jī)制的有效措施.結(jié)果表明：蜜罐式主動(dòng)防御系統(tǒng)具有顯著的導(dǎo)引功效，檢驗(yàn)效率較高，針對性較強(qiáng)，能獲得較好的監(jiān)測效果，加強(qiáng)微信息輿情的主動(dòng)性防范能力，提高輿情管理部門的公信力和輿情調(diào)節(jié)控制能力，為微信息監(jiān)管提供重要的支持.

微信息； 輿情； 大數(shù)據(jù)； 主動(dòng)防御； 蜜罐； 檢測； 角色介入； 興趣導(dǎo)引

隨著移動(dòng)網(wǎng)絡(luò)的迅速普及，微信息傳播涉及面迅速擴(kuò)大，且更新速度愈加頻繁.網(wǎng)民通過媒體能夠十分便捷地制作和轉(zhuǎn)發(fā)新聞，時(shí)間上呈現(xiàn)出碎片化、稀疏性和活躍性等特點(diǎn)，但共同情緒傾向的用戶往往迅速匯聚，具有潛在的破壞作用，令微信息監(jiān)控成為社會(huì)輿情監(jiān)管中的難點(diǎn).

目前我國社會(huì)心態(tài)情緒的總體基調(diào)是積極的、正向的，但在微信息圈中，負(fù)能量現(xiàn)象頻出，各種利益矛盾逐漸暴露，扭曲心態(tài)多爆發(fā)，成為社會(huì)發(fā)展的障礙性問題.許多人境遇不如意，心態(tài)扭曲，惡俗、低毀和調(diào)侃的聲音蓋過了理性和客觀公正的聲音[1]；少數(shù)不法分子借助互聯(lián)網(wǎng)的隱蔽性，吹風(fēng)點(diǎn)火借以宣泄對現(xiàn)行制度的不滿情緒[2]；少數(shù)極端情緒者刻意歪曲和放大炒作一些突發(fā)事件，借助微信息圈形成扭曲的共知假象，成為社會(huì)重大隱患[3-5].對于網(wǎng)絡(luò)輿情事件，個(gè)別人的“態(tài)度缺席”和“政策失語”等現(xiàn)象時(shí)常發(fā)生[6]，他們不惜打政策擦邊球，屢屢沖撞法律紅線，而監(jiān)管部門難以獲得證據(jù)支持，嚴(yán)重地消弱了執(zhí)政部門的公信力[7].為了加強(qiáng)監(jiān)管部門與網(wǎng)民信息交互機(jī)制，實(shí)現(xiàn)監(jiān)管角色的成功介入，本文基于圖型化模型和信息交互行為的心智信念體系[8-10]，利用MapReduce設(shè)計(jì)出虛擬式蜜罐防御模型和相關(guān)檢測算法，實(shí)現(xiàn)主動(dòng)導(dǎo)引用戶興趣方向并預(yù)測新輿情傾向的功能，加強(qiáng)了微信息輿情的主動(dòng)性防范能力，提高監(jiān)管部門的公信力.

1　主動(dòng)防御模式

1.1輿情監(jiān)測技術(shù)

輿情數(shù)據(jù)具有稀疏性大、類型多樣、難辨識等特點(diǎn)[11].雖然漢語詞法分析系統(tǒng)ICTCLAS擁有良好的中文分詞、詞性標(biāo)注和識別功能[12]，但受困于在線捕捉效能低下的瓶頸，檢測深度和廣度不足；許多微信息系統(tǒng)提供高級API接口，以方便信息咨詢機(jī)構(gòu)調(diào)用底層數(shù)據(jù)，包括微文內(nèi)容、轉(zhuǎn)播次數(shù)、評論次數(shù)及認(rèn)證機(jī)構(gòu)等屬性[13]，但受到隱私和加密等原因制約，API不能保障查全率，且適用范圍受限；基于OpenFlow的安全應(yīng)用能以模塊化組成方式進(jìn)行透明預(yù)測和管控?cái)?shù)據(jù)流，但其主要集中在流量監(jiān)測領(lǐng)域(粗粒度監(jiān)測)，不涉及進(jìn)程級的檢測[14]，定位功效差.

根據(jù)以上技術(shù)成果的梳理可知，單一技術(shù)輿情監(jiān)測手段并不能滿足實(shí)際工作需求.本文將分布式處理與蜜罐技術(shù)相結(jié)合，把虛擬技術(shù)與SDN進(jìn)行整合，實(shí)現(xiàn)“流量級”和“進(jìn)程級”兼顧的主動(dòng)安全防范.

1.2虛擬式蜜罐機(jī)防御架構(gòu)

在大數(shù)據(jù)環(huán)境下，應(yīng)用網(wǎng)絡(luò)分布式運(yùn)算構(gòu)建一個(gè)MapReduce架構(gòu)的輿情監(jiān)測機(jī)制.將復(fù)雜輿情數(shù)據(jù)采集活動(dòng)切分為若干獨(dú)立單元，由“Map任務(wù)”以并行的方式展開監(jiān)測策略，調(diào)用依靠蜜罐機(jī)采集到的多種微信息網(wǎng)絡(luò)空間中的敏感信息，然后各蜜罐節(jié)點(diǎn)把結(jié)果以“Reduce任務(wù)”匯集，最終通過微信息集聚類完成調(diào)查用戶的異常傾向和調(diào)節(jié)情緒的任務(wù).根據(jù)微信息網(wǎng)絡(luò)特點(diǎn)，虛擬蜜罐型檢測系統(tǒng)如圖1所示，該系統(tǒng)主要包括：中心分析器(CDA)、進(jìn)程檢測器(PDI)、仿真虛擬機(jī)(VM)和誘餌板(TP)模塊.

圖1　虛擬檢測系統(tǒng)Fig.1　Virtual detection system

借助OVS技術(shù)可以掃描前端虛擬機(jī)的端口、通量和NAT等狀態(tài)，也能捕獲前端虛擬機(jī)的進(jìn)程數(shù)據(jù).各個(gè)VM、TP機(jī)構(gòu)成了分布式副本節(jié)點(diǎn)；中心分析器CDA擔(dān)當(dāng)了MAP的職能；進(jìn)程監(jiān)測器PDI實(shí)現(xiàn)Reduce的職責(zé).

CDA主要是利用大數(shù)據(jù)技術(shù)，調(diào)度管理各個(gè)VM和TP，布置“協(xié)同策略”、“過濾規(guī)則”、“誘餌”、“交互頻度”和“進(jìn)程監(jiān)督守護(hù)策略”等前端機(jī)的工作狀態(tài).

PDI從蜜罐服務(wù)器接受輿情消息，結(jié)合“流量級”和“進(jìn)程級”兩個(gè)層次，實(shí)現(xiàn)對異常信息的協(xié)同監(jiān)測，繪制用戶心智趨向邏輯圖.

蜜罐誘餌機(jī)是實(shí)現(xiàn)主動(dòng)介入和實(shí)時(shí)檢測重要基礎(chǔ).VM從CDA接受布局防御的策略，實(shí)施介入調(diào)節(jié)和局部測算功能；TP借用誘餌話題的方式，吸引用戶將VM納入到自己的信息圈中.

2　主題傾向監(jiān)測

2.1監(jiān)測數(shù)據(jù)集

微信息監(jiān)測經(jīng)常面對著“一象多義(一種表象、多種主題解釋)”和“一義多象(一種主題解釋、多種表象)”等難題，需要合理建立用戶現(xiàn)象和主題情緒概念之間的關(guān)聯(lián).用戶信息所暴露的傾向主題與先驗(yàn)的敏感類型有內(nèi)在的關(guān)聯(lián)性，但不是一一對應(yīng)的匹配關(guān)系，不能直接對等映射.假定一種興趣傾向zi有m種典型的不良行為，則可構(gòu)成其交互行為監(jiān)測指標(biāo)集C(zi)={cz1，cz2，…，czm}.用戶情緒處于不斷變化中，傾向主題與先驗(yàn)的敏感類型數(shù)據(jù)集的關(guān)聯(lián)是多對多的，危害流量、不良記錄、網(wǎng)絡(luò)違規(guī)、煽動(dòng)團(tuán)伙、欺騙團(tuán)伙等時(shí)常暴露出危害的嫌疑，判斷規(guī)則很難固定下來.

為避免數(shù)據(jù)集過于龐大，對于一類交互行為{f1，f2，…，fn}，如果它們是n種同義或近似行為，則合并為一個(gè)czi指標(biāo).假定fk指標(biāo)的異常閾值εi∈(0，1]，那么當(dāng)用戶嫌疑量值Φ(fk)≥εi時(shí)，則認(rèn)定該行為特征的采集成立.如果有fk=czi，且czi?C(zi)，則將czi指標(biāo)面對zj的嫌疑度Φ(czi)增加1個(gè)權(quán)重?cái)?shù)量.設(shè)權(quán)重系數(shù)為d(czi)，則嫌疑度Φ(czi)的累積過程表示為

Φ(czi)=Φ0(czi)+d(czi)

(1)

該類用戶的交互行為嫌疑程度為

(2)

用戶興趣行為影響力隨時(shí)間延續(xù)而衰減，因此，測定時(shí)間不同，用戶行為涉嫌輿情主題的危險(xiǎn)程度也不相同.在[0，t]時(shí)間片段內(nèi)，衰減表達(dá)式為

(3)

式中，f0(j，t)為時(shí)間衰減函數(shù).多數(shù)文獻(xiàn)采用指數(shù)函數(shù)或者線性函數(shù)作為時(shí)間衰減函數(shù)，為照顧適用性，衰減函數(shù)定義為

f0(j，t)=1+k0e-λj(t-t0)

(4)

式中：t0為czi發(fā)生的初始時(shí)間點(diǎn)；λj為衰減因子，用以控制衰減幅度；k0為慣性因子，用以加快衰減的幅度.

2.2關(guān)聯(lián)性評價(jià)

基于信息熵或互信息的度量算法能有效地適應(yīng)特征間的非線性關(guān)聯(lián)性和特征的不確定程度，能夠衡量出候選推薦信息與已有輿情信息集之間的關(guān)聯(lián)程度，測算候選特征與類別已有信息集之間的差異性.

一個(gè)隨機(jī)變量x的可能取值為x={x1，x2，…，xk}，其概率分布為p(x)，則x的熵表示為

(5)

在x發(fā)生的前提下，y發(fā)生所新帶來的熵定義為

(6)

定義互信息為隨機(jī)變量(x，y)的聯(lián)合分布和獨(dú)立分布乘積的相對熵表示為

(7)

各個(gè)蜜罐機(jī)按照預(yù)定調(diào)節(jié)策略進(jìn)行輿情調(diào)節(jié)工作，需要依賴信息候選集的支持.定義調(diào)節(jié)性介入信息候選集為F，輿情信息集為標(biāo)簽類s，互信息被用來表示兩者之間的距離，可以用候選特征項(xiàng)f與標(biāo)簽類s的距離之和表示，即

(8)

定義f和s的相關(guān)系數(shù)CU(f，s)的取值范圍為[0，1]，能體現(xiàn)出f在s已知情況下的不確定性減少程度.如果s完全依賴f，那么CU(f，s)=1；如果s完全獨(dú)立于f，那么CU(f，s)=0.關(guān)聯(lián)系數(shù)CU(f，s)可以用來表示候選類f與標(biāo)簽特征s之間的距離，距離可利用候選項(xiàng)f與標(biāo)簽類s中所有特征子集x的類距離求和得到，即

(9)

若候選項(xiàng)f與標(biāo)簽類s的類距離越遠(yuǎn)，即相關(guān)性程度越高，則f就具有較高的優(yōu)先選擇性.如果相關(guān)性最大的f并入s中，即可使新標(biāo)簽類s獲得較高的內(nèi)聚性.標(biāo)簽類s的類內(nèi)距離為D(s，s)，并且隨著信息項(xiàng)x不斷地加入，D(s，s)迭代累加形式為

Di+1(s，s)=Di(s，s)+D(s，x)

(10)

綜合以上，對于標(biāo)簽類s相對于候選項(xiàng)f，其評價(jià)函數(shù)可表示為

(11)

2.3評價(jià)聚類過程

根據(jù)微信息樣本數(shù)據(jù)的特點(diǎn)，要求不同組樣本之間的實(shí)體差異盡可能大.如果同類輿情元素合并為一個(gè)代表元素，那么就能極大程度地約簡數(shù)據(jù)集，有助于提煉出特征判斷規(guī)則.基于用戶心智的輿情聚類是通過計(jì)算各個(gè)元素與標(biāo)簽集合的空間距離，以距離疏遠(yuǎn)程度決定分類，再通過相似性元素的歸并最終形成特征判定規(guī)則.評價(jià)聚類的具體環(huán)節(jié)如下：

1) 對主題內(nèi)容設(shè)置標(biāo)志性樣本sk為空集；

2) 在輿情特征樣本中取出與監(jiān)測指標(biāo)集熵距離最大的傾向特征，并將其添加到sk中；

3) 各個(gè)前端VM機(jī)以sk為聚類中心基，遍歷本地輿情樣本集或挑選最優(yōu)的交互行為特征，調(diào)整預(yù)設(shè)主題的重心；

4)Reduce匯聚聚類結(jié)果sk；

5) 由sk屬性結(jié)構(gòu)提煉檢測規(guī)則.

2.4介入信息的優(yōu)選流程

鑒于微信息蜜罐系統(tǒng)調(diào)節(jié)介入功能的要求，在捕捉輿情苗頭、抑制輿情風(fēng)暴、控制輿情發(fā)展和防范群體事件等諸多環(huán)節(jié)中，都要適時(shí)地疏通和消息介入才能實(shí)現(xiàn)主動(dòng)導(dǎo)引的效能.由于VM所采集的信息問題各異，CDA的監(jiān)測、調(diào)和目標(biāo)也各不相同，所以介入信息優(yōu)選流程所關(guān)注重點(diǎn)是：適應(yīng)信息圈調(diào)節(jié)情緒氛圍的需要，選擇優(yōu)質(zhì)舉薦信息項(xiàng).從候選集中挑選最優(yōu)推薦方案sf的流程如下：

1) 對預(yù)設(shè)主題設(shè)置舉薦集sf為空集；

2) 在輿情樣本中取出與監(jiān)測指標(biāo)集熵距離最大的傾向特征，并將其添加到sf中；

3) 各個(gè)前端蜜罐機(jī)基于樣本集，以sf為中心基，根據(jù)評價(jià)函數(shù)J(f)測算其它各項(xiàng)的關(guān)聯(lián)性，挑選合格的fx(J(fx)>J0)，并將fx添加到sf中；

4) 基于sf屬性結(jié)構(gòu)合并同類評價(jià)，合成舉薦、調(diào)和信息項(xiàng).

3　實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)中設(shè)置了35個(gè)前端機(jī)形成蜜罐靶機(jī)，通過TP誘餌，全部VM機(jī)均被目標(biāo)(信息圈)接納.全部VM機(jī)共介入1 363個(gè)信息群，采集實(shí)驗(yàn)數(shù)據(jù)集如表1所示.

表1　數(shù)據(jù)集描述

在進(jìn)程級檢測度量實(shí)驗(yàn)中，PDI接受VM靶機(jī)的聚類結(jié)果，然后進(jìn)行關(guān)聯(lián)性測量和候選集選擇.對最典型有威脅性主題(z1：文藝明星涉黃，z2：虛假廣告，z3：狂熱迷信，z4：文化低俗，z5：詆毀歷史人物，z6：散布攻擊國家政策的消息，z7：盲目推崇國外崇拜)進(jìn)行圖表分析，如圖2所示.

圖2　興趣傾向威脅性對比Fig.2　Threat comparison in interest tendency

利用進(jìn)程檢測器啟動(dòng)進(jìn)程級信息監(jiān)管，收取民眾的主流對話意向，聚類后過濾優(yōu)選形成候選數(shù)據(jù)集，并將大量的有代表性的敏感熱詞增補(bǔ)到監(jiān)測標(biāo)準(zhǔn)數(shù)據(jù)集中.本文算法與Elman神經(jīng)網(wǎng)絡(luò)算法、貝葉斯算法及粒子群優(yōu)化算法的完成時(shí)間及準(zhǔn)確度對比如圖3、4所示.

圖3　完成時(shí)間比較Fig.3　Comparison in completion time

圖4　準(zhǔn)確度比較Fig.4　Comparison in accuracy

由圖3、4的比較結(jié)果可以看出，本文算法任務(wù)完成時(shí)間較少，曲線平穩(wěn)，能應(yīng)對大量數(shù)據(jù)并發(fā)的情況，穩(wěn)定性最好；其它三種算法的準(zhǔn)確度變化幅度大、穩(wěn)定性較弱.隨著檢測指標(biāo)由50個(gè)逐步擴(kuò)大到600個(gè)，本文算法在計(jì)算速度上的優(yōu)勢越來越明顯，且隨著檢測指標(biāo)的增加，精確度逐步提高，并且始終保持領(lǐng)先.本文算法能保障微信息的分類工作，可實(shí)現(xiàn)大數(shù)據(jù)輿情環(huán)境下的消息選擇、氣氛調(diào)節(jié)和心智描述工作.

按照CDA調(diào)節(jié)策略，介入預(yù)定信息后情緒調(diào)節(jié)情況如表2所示.在候選集中挑選適當(dāng)信息，參與信息交互活動(dòng)，每小時(shí)向目標(biāo)圈介入4條信息，導(dǎo)向性能明顯，通過信息介入過程使得信息圈向正能量方向偏轉(zhuǎn)(正偏).測試結(jié)果表明，只要能保持正能量氛圍，就能吸引網(wǎng)民自動(dòng)自覺接受該VM，并接納進(jìn)入信息圈.管理組織以強(qiáng)硬態(tài)度發(fā)布信息，不利于信息介入活動(dòng)，容易產(chǎn)生對抗情緒.蜜罐系統(tǒng)設(shè)置的仿真角色調(diào)和成功率及情緒引導(dǎo)走向如表3、4所示.

表2　情緒調(diào)節(jié)概況

表3　角色調(diào)和成功率

表4　角色調(diào)和情緒走向

實(shí)驗(yàn)數(shù)據(jù)表明：網(wǎng)民比較相信權(quán)威，權(quán)威專家能夠?yàn)榫W(wǎng)絡(luò)輿情的正向?qū)б峁?qiáng)有力的支持；導(dǎo)控權(quán)威一旦形成，便會(huì)具有相對持久的、越來越強(qiáng)的信任關(guān)系.隨著介入機(jī)制的推行，調(diào)節(jié)公信力和威望能逐步加強(qiáng)，持懷疑態(tài)度者逐步減少.有效信息的介入能在微信息圈中形成健康向善、積極樂觀的社會(huì)心態(tài)，避免消極悲觀的社會(huì)心態(tài)，同時(shí)有目標(biāo)地、有步驟地、適當(dāng)?shù)刈詣?dòng)介入一些正能量信息條目，能不斷提升網(wǎng)絡(luò)媒介的報(bào)道品味和品質(zhì).

利用本算法實(shí)時(shí)捕捉危險(xiǎn)性情緒傾向，對負(fù)能量信息傾向者進(jìn)行重點(diǎn)關(guān)注，捕捉情況如表5所示.提煉疑似危害的輿情問題進(jìn)行規(guī)則過濾，形成特色話題調(diào)解預(yù)案，細(xì)分出嫌疑行為者多人.

4　結(jié)　論

主動(dòng)引導(dǎo)防御通過介入引導(dǎo)蜜罐服務(wù)，一方面能有效地進(jìn)行信息介入服務(wù)，維持正能量的權(quán)威和建立輿情調(diào)和機(jī)制，另一方面能揭開網(wǎng)絡(luò)世界的大部分不確定性和隱藏性.實(shí)驗(yàn)結(jié)果表明：基于分布式網(wǎng)絡(luò)條件下的主動(dòng)引導(dǎo)型蜜罐方法能不斷提升正面信息的介入量，負(fù)能量信息將逐步減少，輿論趨向能逐步向正能量話題收斂，并爭取到廣大中間立場者的廣泛支持，達(dá)到張揚(yáng)正能量的目標(biāo).小眾群體觀點(diǎn)能在正能量的導(dǎo)引下逐步收斂至統(tǒng)一，使極端情緒的個(gè)體者數(shù)量逐步縮小.

表5　負(fù)能量捕捉情況

[1]袁國平，許曉兵.基于系統(tǒng)動(dòng)力學(xué)的關(guān)于突發(fā)事件后網(wǎng)絡(luò)輿情熱度研究 [J].情報(bào)科學(xué)，2015，33(10)：52-56.

(YUANGuo-ping，XUXiao-bing.Researchontheinternetpublicopinionafteremergencyoccurrencebasedonsystemdynamics[J].InformationScience，2015，33(10)：52-56.)

[2]唐子茜，曹勇.網(wǎng)絡(luò)社會(huì)心態(tài)的特征及調(diào)適對策 [J].北京交通大學(xué)學(xué)報(bào)，2015，14(1)：132-136.

(TANGZi-xi，CAOYong.Astudyonthecharacteristicsandadjustmentmeasuresofinternetsocialmentality[J].JournalofBeijingJiaotongUniversity，2015，14(1)：132-136.)

[3]劉翠娟，劉茂.基于微博文本數(shù)據(jù)分析的社會(huì)群體情感可視計(jì)算方法研究 [J].北京大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，21(1)：1-6.

(LIUCui-juan，LIUMao.Researchonthevisualizationmethodofsocialcrowdemotionbasedonmicro-blogtextdataanalysis[J].ActaScientiarumNaturaliumUniversitatisPekinensis，2016，21(1)：1-6.)

[4]劉德海，蘇燁.群體性突發(fā)事件調(diào)解、預(yù)警和防御的情景優(yōu)化模型 [J].系統(tǒng)工程理論與實(shí)踐，2014，34(10)：2609-2617.

(LIUDe-hai，SUYe.Scenariooptimalmodelofsocialmediation，informationwarningandpolicedeployinmassincident[J].SystemsEngineeringTheory&Practice，2014，34(10)：2609-2617.)

[5]李小林，張力娜.基于直覺模糊理論的混合多屬性Web服務(wù)選擇 [J].沈陽工業(yè)大學(xué)學(xué)報(bào)，2014，36(6)：676-680.

(LIXiao-lin，ZHANGLi-na.Hybridmulti-attributeWebserviceselectionbasedonintuitionisticfuzzytheory[J].JournalofShenyangUniversityofTechnology，2014，36(6)：676-680.)

[6]張玉亮.突發(fā)事件網(wǎng)絡(luò)輿情信息流風(fēng)險(xiǎn)模糊綜合評價(jià)研究 [J].情報(bào)科學(xué)，2015，33(11)：100-106.

(ZHANGYu-liang.Researchonfuzzycomprehensiveevaluationmodelconstructionofinformationflowonnetworkpublicopinionofsuddenevents[J].InformationScience，2015，33(11)：100-106.)

[7]陳婧.弱勢群體公共信息需求與障礙的實(shí)證研究 [J].圖書情報(bào)知識，2015(3)：80-87.

(CHENJing.Anempiricalstudyonthepublicinformationneedandbarrierofvulnerablegroups[J].Document，Information&Knowledge，2015(3)：80-87.)

[8]夏琳琳，潘旭影，王丹，等.基于類高斯隸屬函數(shù)的模糊萬能逼近器性能分析 [J].沈陽工業(yè)大學(xué)學(xué)報(bào)，2014，36(3)：316-321.

(XIALin-lin，PANXu-ying，WANGDan，etal.PerformanceanalysisoffuzzyuniversalapproximatorbasedonGauss-typemembershipfunction[J].JournalofShenyangUniversityofTechnology，2014，36(3)：316-321.)

[9]王東，孫彬.互聯(lián)網(wǎng)正能量教育與主動(dòng)介入型教育模式研究 [J].新疆大學(xué)學(xué)報(bào)，2015，43(6)：28-34.

(WANGDong，SUNBin.Positiveinterneteducationandactiveinterventioneducationtechnology[J].JournalofXinjiangUniversity，2015，43(6)：28-34.)

[10]林一，陳靖，劉越.基于心智模型的虛擬現(xiàn)實(shí)與增強(qiáng)現(xiàn)實(shí)混合式移動(dòng)導(dǎo)覽系統(tǒng)的用戶體驗(yàn)設(shè)計(jì) [J].計(jì)算機(jī)學(xué)報(bào)，2015，38(2)：408-422.

(LINYi，CHENJing，LIUYue.UserexperiencedesignofVR-ARhybridmobilebrowsingsystembasedonmentalmodel[J].ChineseJournalofComputers，2015，38(2)：408-422.)

[11]吳信東，李毅，李磊.在線社交網(wǎng)絡(luò)影響力分析 [J].計(jì)算機(jī)學(xué)報(bào)，2014，37(4)：735-752.

(WUXin-dong，LIYi，LILei.Influenceanalysisofonlinesocialnetworks[J].ChineseJournalofComputers，2014，37(4)：735-752.)

[12]張福勇，趙鐵柱.采用路徑IRP的Windows惡意進(jìn)程檢測方法 [J].沈陽工業(yè)大學(xué)學(xué)報(bào)，2015，37(4)：434-439.

(ZHANGFu-yong，ZHAOTie-zhu.WindowsmaliciousprocessdetectionmethodwithpathIRP[J].JournalofShenyangUniversityofTechnology，2015，37(4)：434-439.)

[13]徐恪，張賽，陳昊.在線社會(huì)網(wǎng)絡(luò)的測量與分析 [J].計(jì)算機(jī)學(xué)報(bào)，2015，38(1)：165-183.

(XUKe，ZHANGSai，CHENHao.Measurementandanalysisofonlinesocialnetworks[J].ChineseJournalofComputers，2015，38(1)：165-183.)

[14]崔競松，郭遲.創(chuàng)建軟件定義網(wǎng)絡(luò)中的進(jìn)程級縱深防御體系結(jié)構(gòu) [J].軟件學(xué)報(bào)，2014，25(10)：2251-2265.

(CUIJing-song，GUOChi.Establishingprocess-leveldefense-in-depthframeworkforsoftwaredefinednetworks[J].JournalofSoftware，2014，25(10)：2251-2265.)

(責(zé)任編輯：景勇英文審校：尹淑英)

Active intervention guidance mode of micro-message public opinion

SUNBin1,WANGDong2

(1.SchoolofComputerScienceandEngineering,XinjiangUniversityofFinance&Economy,Urumchi830011,China; 2.SchoolofVocationalTraining,XinjiangEducationInstitute,Urumchi830033,China)

Aimingatthefactthatthemicro-messagepublicopinionisfacingsuchseriousproblemsasmultipledistortedmentality,damagedcredibilityandmanytechnicalblindangles,undertheconditionofbigdata,thevirtualhoney-potdefensemodelandcorrelationdetectionalgorithmweredesignedwiththeMapReduceframeworkbasedonthedistributednetwork,andtheinterventionofregulatoryrolewassuccessfullyachieved,whichcouldactivelyguidetheinterestdirectionofusersandpredictnewpublicopiniontendency.Inaddition,theeffectivemeasuresfortheconstructionofpublicopinionmonitoringandapplicationmechanismwereproposed.Theresultsshowthatthehoney-potactivedefensesystemhassignificantguidancefunction,highdetectionefficiencyandstrongpertinence.Theactivedefensesystemcanobtaingoodmonitoringeffect,strengthentheinitiativepreventioncapacityforthemicro-messagepublicopinion,improvethecredibilityofpublicopinionmanagementdepartmentandtheregulationcontrolcapacityofpublicopinion,andprovideimportantsupportforthemicro-messageregulation.

micro-message;publicopinion;bigdata;activedefense;honey-pot;detection;roleintervention;interestguidance

2016-03-07.

國家自然科學(xué)基金資助項(xiàng)目(61562080)； 教育部人文社會(huì)科學(xué)研究資助項(xiàng)目(14YJA860017)； 新疆高校科學(xué)研究自然科學(xué)重點(diǎn)項(xiàng)目(XJEDU2016I064).

孫彬(1970-)，女，新疆烏魯木齊人，副教授，碩士，主要從事網(wǎng)絡(luò)安全與計(jì)算機(jī)信息處理等方面的研究.

控制工程

10.7688/j.issn.1000-1646.2016.05.19

TP292.1

A

1000-1646(2016)05-0584-06

*本文已于2016-09-07 16∶10在中國知網(wǎng)優(yōu)先數(shù)字出版. 網(wǎng)絡(luò)出版地址：http：∥www.cnki.net/kcms/detail/21.1189.T.20160907.1610.052.html