【摘 要】
：
复杂网络的相关研究日新月异,不仅推动了自然科学的变革,还在社会科学领域崭露头角。但是从现实视角来看,发生在复杂网络中的传播现象也是利弊兼备的。从利的角度分析,Wechat、Ins、Tik Tok等新兴媒体平台已逐渐超越传统媒介成为了主流的沟通方式,使信息传播在多样性和快捷性上都有了质的飞跃,提高了人们的生活水准和生产效率;从弊的角度分析,传染病在人群中爆发、病毒在因特网上传播以及谣言在社交网络中散
论文部分内容阅读
复杂网络的相关研究日新月异,不仅推动了自然科学的变革,还在社会科学领域崭露头角。但是从现实视角来看,发生在复杂网络中的传播现象也是利弊兼备的。从利的角度分析,Wechat、Ins、Tik Tok等新兴媒体平台已逐渐超越传统媒介成为了主流的沟通方式,使信息传播在多样性和快捷性上都有了质的飞跃,提高了人们的生活水准和生产效率;从弊的角度分析,传染病在人群中爆发、病毒在因特网上传播以及谣言在社交网络中散布等现象,又会给社会带来一定的负面冲击。对于上述两种类型的传播过程来说,成功定位到传播源有利于制定有效的策略,达到对有益传播进行促进和对有害传播进行抑制的目的。此外,对于影响十分恶劣的一些传播过程来说,成功定位传播源有助于对“始作俑者”进行法律的惩处。本文基于有限的观察信息对复杂网络上的传播源定位工作进行探索,主要工作如下。（1）提出了一种基于有限观察信息的单源头定位PPSL算法。PPSL算法旨在更贴近信息在现实网络中的传播场景,基于异质SIR模型对源头节点进行定位。经过分析发现,已经被感染的节点在免疫前感染其邻居节点的时间服从几何分布,任意一个候选节点作为源头感染观察节点所用的时间,可以由若干个服从几何分布的时间段求和而得出。进而,传播源定位问题可以抽象成:在已知观察节点被感染时间的基础上,比较各候选节点作为源头的后验概率的问题。求出的后验概率最大的候选节点,即为PPSL算法定位出的传播源。仿真实验结果表明,PPSL算法相比于现有的一些传播源定位算法拥有更高的准确度,并且具有较好的鲁棒性,能够很好的解决异质SIR模型下的单传播源定位问题。（2）提出了一种基于有限观察节点的多源头定位TPSL算法。TPSL算法基于异质SI模型对多个传播源头进行定位,分别基于时间和概率因素对候选节点进行评估,最后综合两种因素的评估结果,在源头节点个数已知的情况下选出最符合综合因素的候选节点作为源头节点。仿真实验结果表明,TPSL算法在人工网络和真实网络上都拥有较高的准确度,并且具有较好的鲁棒性。PPSL算法和TPSL算法克服了大多数传播源定位算法只适用于树状网络的困难,大量的仿真实验结果表明,两种算法都可以在一般网络上获得较高的准确度。除此之外,两种算法都基于异质传播模型,为更符合现实传播场景的源定位方案研究提供了一定的思路。
其他文献
现实生活中频繁的信息交互依赖于社交系统的快速发展,这些复杂的社交系统在科学界被抽象化表示为具有特殊含义的社交网络;同时,这些社交网络又为网络科学的兴起和发展提供了原生动力。社团是社交网络的一个重要的结构属性,对网络中的社团结构的挖掘有助于科学家更好的理解社交系统的组成原理和功能,有利于挖掘网络中蕴藏的潜在信息,以及有助于对整个社交系统的发展趋势进行合理的预测。然而,人们频繁地参与社交活动必然会导致
矩阵计算在机器学习中有着重要作用。在机器学习算法中,最近邻查找、神经网络、多维图像处理和线性方程组求解等问题都涉及到矩阵计算。而算法的应用需要数据来支撑,在数据敏感的生物医疗、金融数据等领域,使用传统的集中式训练,将数据汇集至服务端,或者是客户端将明文查询指令发送至服务端,会泄露数据与查询隐私。因此,为了解决机器学习数据与模型隐私问题,需要使用隐私保护机器学习机制。在隐私保护机器学习中,安全矩阵乘
极化SAR图像地物分类任务是遥感数据分析中的热点话题。传统的极化SAR分类方法大多是基于目标的极化特性与数据的散射特性展开的。近年来,随着计算机技术的发展,深度学习在计算机视觉领域展现出了优异的性能。受此启发,研究人员将深度学习方法用于解决极化SAR地物分类问题,得到了较高的分类精度。然而将深度学习的方法应用于极化SAR数据时,面临着下面的问题。首先,不同于光学图像,极化SAR数据的表征向量往往维
随着全球化进程的加速,传统的地面网络难以覆盖所有区域,覆盖范围广、不受地域限制的卫星通信逐渐受到关注。随着微电子技术的飞速发展,微纳卫星越来越有吸引力,微纳卫星具有部署快、成本低、应用灵活等优点,通过将微纳卫星构建成一个网络,可以进一步发挥它们在执行各种空间任务方面的优势。但是,微纳卫星网络的空间环境复杂多变,卫星节点的星上资源有限,网络连通对于保证微纳卫星网络的正常运行至关重要,因此设计健壮的拓
协作通信作为物理层安全中的重要技术,已经成为目前解决无线通信安全问题的有效手段之一。同时随着社交网站和社交应用的蓬勃发展,物理通讯设备的拥有者之间存在着不同的社会关系无疑会对协作通信中参与者的策略造成影响。因此,将社交属性引入协作通信技术中对于提高系统的安全性能具有重要的应用意义。尽管已经有许多学者结合社交属性和物理层安全技术,给出具有社交意识的协作方案。但是这些方案中节点选择策略的理由不充分,且
随着信息化的高速发展和智能终端设备的全面普及,传统的身份认证方式已经无法满足人们对易用性和可扩展性的需求。与此同时,在人工智能和生物识别技术的不断进步下,基于生物特征的身份认证方式逐渐成为主流。其中基于声纹的身份认证系统在诸多特殊的应用场景下为用户带来了极大的便利。然而,由于声音易被复制和模仿,因此声纹认证系统仍然遭受着欺骗攻击的威胁,导致系统的安全性得不到保障,这无疑不利于声纹认证系统的更广泛应
云计算、物联网等信息技术的持续不断发展使得人们的生活变得更加方便快捷。然而,为了享受物联网带来的便利服务,人们需要相应地提供某些个人信息。因此,在互联网开放的时代下,由于某些原因,如未授权访问,用户信息泄露的风险日趋严重。大多应用场景一般基于公共的网络环境,各种实体如用户、攻击者等都参与其中,为了保证服务或信息的正确授权访问,验证实体的合法性是要实现的必需安全目标之一,而身份认证是实现该目标的重要
K均值（K-means）算法是一种研究如何将具有相似特征值的数据划分到相同组内的典型基于中心的聚类分析算法。它在模式识别、智能商业、图像分割和生物信息检索等诸多领域都发挥着巨大的作用。随着近年K-means算法在单数据集聚类中的成功应用,专家学者开始将关注点转移到如何将协议扩展到分布式多数据集下进行联合K-means聚类。多数据集下的联合聚类作为一种分布式下的机器学习范式,它的出现和发展为分布式数
随着互联网技术的发展和智能设备的普及,以微博为代表的社交应用不断涌现,越来越多的用户习惯于用社交网络发布或者获取信息。在使用社交网络的过程中,用户所共享的数据包含了丰富的信息量,包括个人身份、人际关系、位置轨迹、兴趣爱好、经济状况等,这些信息和用户的个人隐私安全问题密切相关。层出不尽的隐私泄露事件也证明了社交网络的确存在巨大的隐私安全问题。然而,社交网络中数据形式复杂,用户节点数量庞大,导致传统的
由于无线通信信道的开放性,物联网（Internet-of-Things,Io T）的传输媒介存在被窃听、截获甚至恶意攻击的安全隐患。传统基于密码学的加密技术因其复杂的运算机制和高昂的管理成本,在未来海量部署且性能受限的Io T场景下难以适从。而物理层安全作为基于信息论的安全手段,无需加密算法与密钥管理,利用合法信道和窃听信道的差异性设计编码方案,能在信号层面确保信息的安全传输。论文以毫米波大规模多