随着移动互联网的快速发展,移动社交成为人们日常交流通信的重要途径。国内以手机QQ、微信为代表的移动社网络因其移动性、便捷性、社交性等特点,迅速成为时下最热门的社交方式。然而,随着移动社交用户规模的不断扩大,以及移动社交网络的相对隐蔽性和扩散效应,移动社交网络逐渐被恶意用户盯上,成为各类不安全事件发生的温床。因此,对移动社交网络进行监督管理,为用户营造健康安全的移动社交网络环境具有重要的现实意义。社交网络监督管理中,社交用户安全性分析技术在近年成为研究热门。目前,国内外对于社交用户安全性分析的相关研究可总结为以下两点,一是基于用户社交内容,包括用户发言内容及其统计特点,另一点是基于社交用户的行为、关系等特征。相关专家学者们通常从上述一个或两个方面出发,来对在线社交平台上的社交用户进行分析,并取得了较好的研究成果。但是,移动社交网络中,由于用户的社交账号以及社交内容通常包含更多的用户隐私信息,所以用户的隐私保护强度更高,这就导致无法利用现有的网络爬虫技术以及社交平台的开放API接口采集移动社交用户的社交内容、行为特征以及用户关系等数据,从而也就无法直接利用现有的社交用户分析技术对移动社交用户进行安全性分析。另一方面,目前针对移动社交用户的监督管理主要依赖于用户举报,通常是在恶意行为发生以后,甚至是在形成一定规模后才进行处理,这种事后追查的方式取证困难、花费时间长。因此,如何解决移动社交用户数据采集难的问题,在恶意行为发生前,或者在其未形成规模前对移动社交用户进行安全性分析,识别恶意用户具有重要研究价值。本文通过对移动社交网络的基本概念、信息传播特点以及社交方式进行研究,结合Android应用界面结构特点以及Android的自动化测试技术等,基于传统的社交用户安全性分析方法提出了一种移动社交用户安全性分析方法。该方法首先研究移动社交用户数据采集方法,设计并实现了一个基于Android的移动社交用户数据自动采集工具,该工具从社交群组的角度出发进行社交群组数据和用户数据采集,克服了移动社交用户数据采集困难的问题。然后通过对社交群组进行系统研究,提出将社交群组的对话流和群描述信息结合,利用自然语言处理技术对这两部分内容进行主题挖掘,从而发现群组内对话流与群描述不符合的异常社交群组。接着针对发现的异常社交群组,结合群组成员的内容特征和行为特征来进行恶意用户识别。最后,通过实验证明本文设计的移动社交用户数据采集工具能够有效进行用户数据采集,并验证了本文提出的移动社交用户安全性分析方法具有很好的准确性和可行性。