哈尔滨工程大学计算机科学与技术学院泛在网络与信息安全团队师生的研究论文《Anchor Link Prediction for Cross-Network Digital Forensics from Local and Global Perspectives》日前被网络与信息安全领域顶级期刊IEEE Transactions on Information Forensics and Security（IEEE TIFS）接受录用。论文作者顺序依次为王焕然、杨武、苘大鹏、吕继光、韩帅、谭静文、刘涛。
IEEE Transactions on Information Forensics and Security是信息安全领域最具影响力的国际顶级刊物之一，中国计算机学会（CCF）推荐A类期刊，中国密码学会（CACR）推荐A类期刊，中科院SCI一区TOP期刊。TIFS期刊主要关注计算机及网络安全、可靠性领域最新的研究进展和技术。
我院发表成果旨在研究针对多社交网络取证场景下的用户去匿名化技术，为跨网络犯罪取证提供了坚实的数据支撑。由于不同的社交网络所提供的服务不同，社交网络的服务语义之间存在明显差异，相同用户在不同的社交网络中的所扮演的角色也随之改变。不同的服务语义特征造成的角色特征淹没，严重制约了跨网络去匿名化的性能。
在该篇论文中，作者针对上述问题构建了用户在单一社交网络中的角色特征。为了有效地描述用户角色在不同社交网络之间的转换过程，作者进一步提出基于联合训练的表示学习框架，在联合训练过程中使用概率分布方法衡量用户角色在不同社交网络之间转化的代价，并对用户角色在不同社交网络之间的转换进行描述，模型框架如下图所示。论文实验结果表明，作者所设计的基于用户角色转换的去匿名化方法可以有效地提升用户身份识别性能。在三个真实数据集上，该论文所提出的方法在准确率上比传统方法提升4%到7%。
此外，作者通过实验进一步说明，以去匿名化的结果作为不同社交网络的外部数据关联，可以有效地缓解单一社交网络中有效信息匮乏的问题，进一步提升跨网络取证的性能。该研究工作得到国家重点研发计划项目、国家自然科学基金重点项目等课题的大力支持。