人工智能学院2023级博士研究生刘峰关于社交机器人检测研究成果，已被网络与信息安全领域国际顶级期刊《IEEE Transactions on Information Forensics and Security》（TIFS，IF=8）接收。IEEE TIFS是国际信息安全领域最具影响力的学术期刊之一，与IEEE Transactions on Dependable and Secure Computing （TDSC）、Journal of Cryptology（JOC）并称为信息安全领域国际三大顶级学术期刊，也是中国计算机学会（CCF）推荐的A类国际期刊。
论文标题：A Community-Aware Spatio-Temporal Hypergraph Contrastive Learning Method for Social Bot Detection
第一作者：刘峰（2023级博士研究生）
指导教师：马锐副教授
收录期刊：IEEE Transactions on Information Forensics and Security
期刊类别：CCF-A
论文概述：
在社交机器人检测（Social Bot Detection, SBD）任务中，现有多模态方法虽可融合文本、账户属性与交互拓扑等信息，但当前方法仍将社交网络近似为静态结构，主要建模账号两两交互及其局部邻域，从而难以刻画社区尺度的高阶协同行为以及网络拓扑随时间演化所带来的判别线索。为此，本文提出社区感知的时空超图对比学习方法（BotSTHCL）：首先依据账户注册/创建时间戳将用户划分为多个时间区间，在每个区间构建 following/follower 关系图，并通过社区检测获得社区划分，将社区映射为超边生成对应的空间超图，进而形成时空超图序列，以显式建模社区内多节点的高阶关系及其动态演化。在表示学习上，BotSTHCL 采用“空间—时间”联合优化：空间维度基于超图对比学习在不同增强视图间保持表征一致性以获得鲁棒的高阶交互表示；时间维度利用 Transformer 编码跨时间区间依赖，最终实现对社交机器人账户的准确判别。
