基于遗憾最小化算法的谣言抑制与演化博弈模型

发布时间：2021-09-09 09:01

　　谣言扩散与控制效果受社交网络结构、用户决策影响。传统模型网络结构简单且较少考虑用户决策的影响。为此基于图论与遗憾最小化算法,提出一种用于分析社交图谱上用户决策与谣言控制的演化博弈模型。在采用规则图论建模的基础上,利用演化博弈与复制动态方程研究影响用户决策的因素,并在策略更新规则中采取遗憾匹配与动态折扣。仿真实验结果验证,该模型可有效反映用户决策对谣言扩散的影响,提高谣言抑制效果,并揭示网络聚类系数、风险阈值等对谣言控制的影响。 

【文章来源】：信息技术与网络安全. 2020,39(07)

【文章页数】：7 页

【部分图文】：

谣言、反谣言、无知者在BA图模拟比例

图3表示不同社交网络中，本文模型与文献[4]、[8]两类演化博弈模型间关于谣言者、反谣言者的模拟过程。其中第一组为本文所提模型；第二组为SHIR[4]，该模型充分考虑反谣言和用户心理因素，运用进化博弈论和多元信息回归方法来构建信息传播进化模型；第三组为RDG模型[8]，该模型假设个人根据不同的亲密强度选择邻居之一进行策略模仿，探究惩罚成本与邻居策略对舆情扩散的影响。图3 三种不同模型下谣言、反谣言者在Blog和DNC模拟过程

图2 谣言、反谣言、无知者在Blog与DNC真实网络图的模拟结果实验结果显示，第二组模型中谣言者RS会在短暂上升后逐渐下降，最终趋向稳态，而其ARS策略趋向稳态时占比与第一组模型相似，但所需时间较长。这是因为第二组模型中SHIR分别代表易感、已知、感染、恢复四种状态，网络中感染节点I会在传播初期感染大量易感节点S后，才会产生已知节点K来进行反谣言的对抗，从而导致初期RS占比的短暂提升。第三组模型较第一、二组网络中ARS占比较低，其原因在于在相同惩罚成本的情况下，用户盲目选择邻居策略较多导致整体谣言抑制效果较弱。

【参考文献】：
期刊论文
[1]不完美信息扩展式博弈中在线虚拟遗憾最小化[J]. 胡裕靖,高阳,安波.  计算机研究与发展. 2014(10)



本文编号：3391812