随着网络技术的不断发展,人们的社交方式已经逐渐从现实生活扩展到了虚拟社交平台当中,而新浪微博成为了大多数人的首选社交平台。人们可以从微博中获取到大量的信息,但是在这些微博账号中有着许多的僵尸账号,这些账号往往会发布许多虚假信息,垃圾广告以及钓鱼网站等。传统的账号检测方法已经无法快速、有效地检测出异常账号。因此,我们需要对现有的账号检测算法进行改进。本文将研究的重点放在微博账号检测算法的研究上,通过对账号检测算法的研究和改进,以提高账号检测算法的正确率和运行速度,并且降低计算开销。本文提出了HMC+特征加权贝叶斯神经网络的组合模型来检测微博异常账号。本课题的主要研究内容包括:(1)为了减少噪音干扰项对账号检测的影响,本文通过特征加权贝叶斯算法给各个行为特征加以不同的权值,以此来降低噪音对微博账号检测的影响。(2)随着账号数量的增加,就需要对账号检测算法的结构进行优化和改善。本文通过特征加权贝叶斯神经网络来改善账号检测算法的结构。(3)通过把Hamiltonian动力系统和马尔可夫链蒙特卡洛方法融合在一起形成混合蒙特卡洛(HMC),提高了马尔科夫链蒙特卡洛算法的收敛速度,进一步提高了账号检测的运行速度。