本发明提供了一种社交网络中基于多视图融合的用户审计方法。该方法重点包括特征提取和多视图融合两个阶段。首先，设计综合多视图信息的用户表征策略，分别构建用户行为、社交关系、文章内容三个视图对用户进行表征。针对现有方法未充分考虑用户粉丝及用户在社交网络中所处环境的不足，引入粉丝比率、粉丝平均双向连接率、基于社区的双向连接率、基于社区的集群系数等新特征。然后，构建基于线性加权函数的多视图融合决策模型，将来自各视图的分类结果进行线性加权融合，并通过最小化近似误差求得最优融合系数进而得到最终分类结果。与现有技术相比，本发明能够有效检测垃圾用户，有更高精确率和F1值，且在应对不平衡数据时表现出更强的稳定性。