学术社交网络大数据分析与挖掘

      学术社交网络既具有大众社交网络快速交流与分享的优点，又具备学术内容特质。研究学术社交网络大数据分析挖掘具有巨大的理论研究意义和实际应用价值，研究方向包括：合作者推荐、期刊会议推荐、影响力学者发现、科研社区发现等，研究成果可以帮助广大学者、学生提高科研效率，有力促进学术交流与合作。

隐私保护数据挖掘 (四川省省校合作重点项目）

      1998年，Ann Cavoukian发表了《数据挖掘：以破坏隐私为代价》的报告，引起了很大的轰动。该报告剖析了数据挖掘和隐私的关系，指出数据挖掘可能是个人隐私提倡者未来10年所要面对的“最根本的挑战”。目前，大数据的研究与应用如火如荼，而如何能在不泄露用户隐私的前提下，挖掘大数据的价值，成功又安全地开展各行业的大数据智能化应用，是目前大数据挖掘研究领域的关键问题。该领域（PPDM：Privacy Preserving Data Mining）的研究内容主要有：

      （1）从社会、法律角度，分析数据挖掘中牵涉到的隐私权问题个案，主要是从网络隐私权保护延伸出来的问题。 （2）结合隐私保护最大化条件，研究新的方法或改进已有的挖掘算法，将数据安全（加密、隐藏等）、分布式技术和数据挖掘技术相结合，从数据发布、挖掘算法、挖掘规律发布等各个方面进行深入探索。

       保护敏感数据不被泄露的同时开展数据挖掘，将导致数据可用性下降和挖掘结果的准确率低下等性能问题。现在大部分的研究的重点是寻找一个隐私保护与数据挖掘性能的平衡点。

垃圾网页检测

      垃圾网页通过影响搜索引擎算法以提升某些网页的检索结果排名。全世界10%-15%的网页曾被暗链和垃圾文本污染。各类垃圾网页攻击手段包括，在常用搜索引擎的搜索结果链接或文本中暗藏广告或恶意信息，采用伪装技术或自动转址到不良网页,以期实现非法宣传和获利，甚至达到损害公信力的攻击目的。

      本项目通过分析网页欺诈的攻击目的和欺诈手段，建立垃圾网页特征模型。在该模型基础上，研究基于数据挖掘技术的高性能检测算法，识别并过滤垃圾网页。

Web欺诈挖掘

      随着World Wide Web上的信息愈加丰富，Web应用愈加广泛，各类欺诈攻击手段也愈加猖狂。新出现了许多欺诈类型，例如社交网络上的欺诈，多媒体方式欺诈，点击欺诈等，主要目的仍然是从经济上非法获利。

      本项目目前从几个方面进行研究：发现微博垃圾用户；检测图像化的欺诈；挖掘产品评价中的欺诈内容；检测点击欺诈。 研究内容包括研究欺诈现象和机理，在此基础上提取具有代表性的特征，研究基于数据挖掘技术的高性能检测算法。