随着在线交互技术的发展和越来越多社交网络平台的兴起,人们将越来越多的闲暇时间花费在社交网络平台上。在线社交网络用户的隐匿性和匿名性为网络不法分子提供了可乘之机。社交网络中用户发布的文本内容包含大量的文本特征,通过文本特征建模来构建作者无意识的写作习惯,从而自动映射匿名文本作者的身份,成为当前学者和专家们的研究热点。本文研究基于深度学习的中文微博作者身份识别,通过对大量的中文微博账号的基本信息、博文等数据进行分析,采用深度学习算法自动提取特征,识别博文作者。由于深度学习方法需要大量的样本数据,而微博平台上的实名作者仅发布了数量有限的文本用作正样本,但负样本的数量是正样本的几万倍,因此会出现严重的样本不均衡问题,从而影响作者身份认证的精准度。针对此问题,我们提出了一种数据增强作者身份认证方法,使用Wasserstein生成对抗网络为样本量少的正样本生成与负样本等量的正样本,有效解决了样本不平衡问题,提高了身份认证的准确度。我们爬取了新浪微博数据构建了实验数据集,实验结果表明,与基准线相比本文提出的新方法能够将作者身份认证的准确度提高14%,证明了本文提出方法的有效性。在此基础上,本文设计并实现了一个中文微博作者身份认证系统。中文微博作者身份认证系统主要包括数据采集模块、特征处理模块、模型训练模块、微博作者身份认证模块及数据存储模块。本文详细介绍了各模块的主要功能以及流程。通过对中文微博作者身份认证系统进行测试,验证了系统功能的可用性及稳定性。结果显示,本系统能够对中文微博作者的身份进行有效的认证。