{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“讯息”：{“索引”：{“日期部分”：[[2024,4,4]]，“日期时间”：“2024-04-04T14:38:23Z”，“时间戳”：1712241503850}，“参考计数”：38，“出版商”：“电气与电子工程师学会（IEEE）”，“许可证”：[{“开始”：{-“日期部分“：[2020,1,1]]，“时间”：”2020-01-01T0T0 0:00:00Z“，“时间戳”：157783680000｝，“内容版本”：“vor”，“延迟天数”：0，“URL”：“https://creativecommons.org/licenses\/by\/4.0\/legalcode”｝]，“资助者”：[｛“DOI”：“10.13039\/501100001809”，“name”：“国家自然科学基金会”，“DOI断言者”：“发布者”，“奖项”：[“61872254”]}，｛“DOI”：“10.13039\/501100012226”，“name”：“中央高校基本科研业务费”，“doi-asserted-by”：“publisher”，“adward”：[“YJ201727”]}，{“doi”：“10.13039\/501100004829”，“name”：“四川省科技厅”，“doi-asserted-by”:“publishers”，“award”：[”2014JY0036“，”2018JY0913“]}”，{：“四川省学术和技术领导人培训与支持基金会”}]，“内容域”：{“域”：[]，“交叉标记-限制”：false}，“短容器-标签”：[“IEEE访问”]，“发布-打印”：{“日期-部件”：[[2020]]}，”DOI“：”10.1109\/Access.2020.2975877“，”type“：”journal-article“，”created“：{”date-parts“：[2020,2,25]]，“日期-时间”：“2020-02-25T04:08:05Z”，“时间戳”：1582603685000}，“页面”：“38753-38766”，“源”：“Crossref”，“is-referenced-by-count”：14，“标题”：[“通过深度学习在在线社交网络中检测Sybil的基于内容的方法”]，“前缀”：“10.1109”，”卷“：”8“作者”：[{“ORCID”：“http://ORCID.org\0000-0001-530-8373”，“authenticated-ORCID”：false，“given”：“Tianyu”，“family”：“Gao”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：”http://\/ORCID.org\/00000-0002-5995-8550“，“authenticated-ORCID”：false“，”given“：”Jin“，”family“：”Yang“，”sequence“：”additional“，”affiliance“：[]{”ORCID“http://\ORCID.org\/000-0002-1171-3319”，“authoritated-org”：false，“gived”：“文君”，“家族”：“彭”，“序列”：“additional”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/00000-0003-1255-6236”，“authenticated-ORCID”：false，“given”：：“Luyu”，“family”：“Jiang”，“sequence”：“additive”，“filiation“：[]{”ORCID：“http://\\ORCID.org\/000-0002-4401-924”，“authenticated-ORCID“：false”，“giving”：“Yihao”，“家族”：“Sun”，“序列”：“附加”，“从属关系“：[]}，{“ORCID”：“http://\/orcid.org\/00000-0002-6467-5395”，“authenticated-orcid”：false，“given”：“Fangcuan”，“family”：“Li”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“263”，“reference”：[{“key”：”ref38“article-title”：“Adam：一种随机优化方法”，“作者”：“kingma”，“年份”：“2014”，“日志标题”：“arXiv1412 6980”}，{“密钥”：“ref33”，“首页”：“971”，“article-title”：“自我规范化神经网络”，“author”：“klambauer”，“year”：“2017”，“journal-title“：”Proc-Adv neural Inf Process Syst“}，{“key”：“ref32”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/IJCNN.2019.8852406”}“}”，{“key”：“ref30”，“doi-asserted-by”：“publisher”，“DOI”：“10.1186\/s40537-019-0197-0”}，{“key”：“ref37”，“DOI-asserted-by”：“publicher”，“DOI”：”10.1016\/j.dss.2015.09.003“}，}”key“：”ref36“，”DOI-assert-by“：”publisher“，”DOI“：”10.116\/j.patrec.2018.09.006“}”，{《key》：“ref35”，“首页”：“1929”，“article-title”：“Dropout：防止神经网络过拟合的简单方法”，“volume”：“15”，“author”：“srivastava”，“year”：“2014”，“journal-title”：“J Mach Learn Res”}，{“key”：“ref34”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/PHM.2008.4711423”}le-title“：“帮助检测大规模社交网络服务中的虚假帐户”，“author”：“cao”，“year”：“0”}，{“key”：“ref12”，“article-title”：“SybilFence：通过用户负面反馈改进基于社交图的sybil防御”，“author”:“cao“，“year:”2013“，“journal-title“：”arXiv 1304 3819“}，}“key”：“ref13”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/INFCOM.2012.6195572”}，{“key”：“ref14”，“doi-asserted-by”：“publisher”，“doi”：“10.109\/TDSC.2015.2410792”}.，{”key“：”ref15“，”doi-assert-by“：”publisher“，”doi“：”10.1109\/TDSC.2015.2410782“}，{”key“：”ref17“，”doi-asserted-by“：”publisher“，”doi“：“10.1109\/ICC.2016.7511603”}，{“key”：“ref18”，“doi-asserted-by”：“publisher”，“doi”：“10.109\/INFCOM.2013.6566893”}、{“密钥”：“ref19”，“doi-asserte-by”：“publisher”，“DII”：”10.1109\/AACC.2016.111“}，}“keys”：“ref28”，“dio-asserted-by”：”publisher“，“doi:”10.1109\/PST.2018.8514162“}”，{“key”：“ref4”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/SP.2011.25”}，{：“ref27”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/SSCI.2017.8285447”}，{“key”：“ref3”，“doi-assertd-by”：“publisher”，“DI:”10.1145\/2068816.2068840“}，}“key:”ref6“，”doi-assert-by“：”publisher“，”doi“：”10.1145 \/1966913.1966939，“doi”：“10.1016\/j.future.2017.08.030”}，{“key”：“ref5”，“doi-asserted-by”：“publisher”，“DOI”：“10.1145\/1526709.15267784”｝，｛“key”：“ref8”，“DOI由”断言：“publisher”，“DOI”：“10.1109\/TNET。2009.2034047”｝，｛“key”：“ref7”，“DOI由”断言：“publisher”，“DOI”：“10.1109\/TNET。2008.923723”｝，｛“key”：“ref2”，“DOI由”断言：“publisher”，“DOI”：“10.1109\/TNET。2018.28133672”｝，｛key”：“参考文献9”，“首页”：“1”，“文章标题”：“Sybilinfer:使用社交网络检测sybil节点”，“author”：“danezis”，“year”：“2009”，“journal-title”：“Proc NDSS”}，{“key”：“ref1”，“author”:“clement”，“year”：”2019“，”journal-title“：”Twitter-Statistics&Facts“}，”{“密钥”：“ref20”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/INFOCOM.2017.8057066”}“，{”key“：”ref 22“，”doi-asserted-by“：”publisher“，”doi“：“10.1109\/ICNP.2018.00015”}，{“key”：“ref21”，“doi-asserted-by”：“publisher”，“doi”：“10.109\/TIFS.2014.2316975”}.，{”key“：”ref24“，”doi-assert-by“：”publisher“，”doi“：”10.1109\/CIMLA.2014.81“}，”{“密钥”：“ref23”，“首页”：“241”，“文章标题”：“您是如何点击流分析进行sybil检测的”，“作者”：“王”，“年份”：“2013年”，“新闻标题”：“Proc 22nd USENIX Secur Symp”}，{“key”：“ref26”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/DSC.2016.68”}访问“]，”原始标题“：[]，“链接”：[{“URL”：“http://\/xplorestaging.ieee.org\/ielx7\/6287639\/8948470\/09007376.pdf？arnumber=9007376”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“存放”：{“日期部分”：[2021,12,17]]，“日期时间”：“2021-12-17T19:51:49Z”，“时间戳”：16397709000}，“score”（分数）：1，“resource”（资源）：{“primary”（主资源）：}“URL”（URL）：“https:\/\/ieeexplore.iee.org\/document\/9007376\/”}}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期-部件”：[[2020]]}，”引用计数“：38，”URL“：”http://\/dx.doi.org\/10.109\/access.2020.2975877“，”关系“：{}，36“，”type“：”electronic“}]，”subject“：[]，”published“：{”date-parts“：[[2020]]}}}