近年来，随着互联网的普及，微博作为一种新的媒体形式和交流平台也越来越流行。与此同时，微博平台上不断涌现出的各种恶意行为，开始成为破坏微博安全和内容质量的最大威胁。如何鉴别恶意用户，成为社交网络研究领域的一个重要课题。现有的针对微博的研究大多数以Twitter为平台，其成果无法直接应用于新浪微博等中文微博平台。因此，专门针对中文微博的研究也是相当有必要的。本文以新浪微博为研究对象，提出了一种基于行为特征检测的微博恶意用户鉴别方法。我们采用了多种方法收集了恶意用户样本：通过架设主动式蜜罐账号，我们吸引了114个恶意用户；利用微博爬虫程序，我们捕获了1459个恶意用户。此外，我们还从淘宝购买了微博推广服务，从而获得了8000个恶意用户样本。我们将恶意用户样本按照行为模式进行分类，归纳总结了三种不同的恶意行为模式：过度广告、重复转发以及过度关注。我们针对所得到的三种不同行为模式的恶意用户进行了深入的分析，通过与正常用户比较统计特征值的方法，归纳总结了他们的特点并且找到了能够区分恶意用户与正常用户的特征。在此基础上，我们利用机器学习技术实现了多种恶意行为分类器，并且将这些分类器整合在一起构成了自动检测系统。我们利用重新收集的测试数据集对该系统进行了测试。该系统能检测出82.06%的恶意用户，而误报率则只有5.92%。