随机扰动下的网络信息传播模型及溯源模型研究
发布时间：2022-01-22 05:13
随着互联网技术的不断发展,各类社交网络如雨后春笋般涌现,成为人们日常生活、工作等方面不可或缺的一部分。社交网络中的信息传播速度快,自由度高,在方便人们之间的沟通时,也导致大量未经证实的谣言在网络中肆意传播。谣言不仅能够误导人们的判断,影响市场经济的发展,还会威胁社会秩序的稳定。因此,基于复杂网络理论研究社交网络上谣言传播的潜在规律,建立合理有效的谣言传播模型和溯源模型,在网络安全、舆情监控等领域具有十分重要的意义。经典的谣言传播模型基于传染病模型,大多是静态网络中的确定性模型。但在网络谣言的传播过程中,网络拓扑结构会根据用户间的好友关系动态变化且用户自身在传播谣言这一行为过程中也存在许多不确定性。因此,在经典模型的基础上,考虑谣言传播过程中的随机性,构建随机模型将帮助我们更好地理解实际网络中的谣言传播机制。为此,本课题以网络中的“随机扰动”为研究出发点,试图构造符合实际传播规律的谣言传播模型和溯源模型,主要包括如下四个方面:（1）考虑网络连接的随机改变,分别在均质网络和异质网络中构建随机微分方程模型描述谣言在动态网络中的传播过程。本文将网络连接的变化对谣言传播产生的影响抽象为一种噪声,...
【文章来源】：南京邮电大学江苏省
【文章页数】：123 页
【学位级别】：博士
【部分图文】：
社交网络谣言的时空传播方式[36]
南京邮电大学博士研究生学位论文第四章考虑用户行为决策不确定性的谣言时空扩散模型45为简化模型，不妨设行为代价为常数0，则选择传播谣言的概率可进一步改写为：((1,)(0,))/(1,)/(1,)/(0,)/1(,)(0)1ddddduxuxuxuxuxdpdeeee(4.13)图4.2谣言传播概率随平均决策收益差的变化图像[27]将两种行为决策的平均收益之差视为整体，图4.2展示了不同不确定度取值下，用户传播谣言的概率变化。当不确定度很小时，谣言传播概率近似一个与收益差正负相关的分段函数，此时用户的行为决策几乎完全倾向于收益高的选择。而随着不确定度的增大，函数曲线逐渐平缓，当不确定度很大时，趋于常数0.5，表明此时选择传播或不传播的概率是均匀的，用户决策完全随机，不再考虑收益的影响。最后，基于不同的博弈模型，构造收益矩阵，即可计算采纳不同决策的平均收益。假定收益矩阵如(4.14)所示，R表示博弈双方均选择传播谣言的收益；P表示博弈双方均选择不传播谣言的收益；S表示我方选择传播而对方不传播谣言的收益；T则与S情形相反。以囚徒博弈为例，参数满足TRPS，当双方均选择不采取行动时，达到平衡；而雪堆博弈则满足TRSP，最佳策略是制定与对方相反的决策。在谣言传播过程中，协同博弈往往更符RSTP(4.14)合实际传播情况，当有更多的邻居节点相信并传播谣言时，用户趋向于制定传播谣言的决策。由此，平均决策收益可表示为：max(1,)(())/()dupdpRddpSdR(4.15)max(0,)(())/()dupdpTddpPdR(4.16)其中p表示邻居节点在某一时刻选择传播谣言的概率，或者说是整个网络中谣言传播者的比
南京邮电大学博士研究生学位论文第四章考虑用户行为决策不确定性的谣言时空扩散模型56(a)(b)(c)(d)图4.5不同距离上的谣言扩散演化过程：(a)WS网络上的数值解；(b)WS网络上的仿真解；(c)BA网络上的数值解；(d)BA网络上的仿真解图4.5展示了不同距离上感染连接密度随时间变化的图像。其中模型参数依然设置为d0.1，I(t*)0.1。网络拓扑结构参数如表4.1所示。子图4.5(a)和4.5(b)展示了在不确定度0.1下，WS网络中各距离处的感染连接密度的变化。由于在阈值时刻在各距离处较为均匀的感染连接分布，以及WS网络拓扑的均质特征，不同距离处的感染连接密度呈均匀上升趋势。而在BA网络中，基于不确定度0.01，观察发现阈值时刻，距离信源3处的感染连接密度相对较大，表明此处谣言的影响力更大，传播谣言的用户更多，因此相较其他距离，距离3处的感染连接密度增长更快，说明初值条件对不同距离谣言演化过程存在显著影响。随着时间推移，由于不同距离间的信息流动使得各处的感染连接密度相对均衡，最终各距离处的感染连接密度近似相等，达到稳态。通过观察图4.4与图4.5，虽然数值解与仿真解的传播趋势和取值变化十分相似，但二者仍有不同。在实际网络中，仅有整数距离具有实际意义，但数值解法由于考虑了各个距离步长上的谣言流动，导致整数距离上的谣言流量得到分流，因此相较仿真结果，数值解描述的谣言扩散过程速度相对较慢慢，扩散规模也更校4.4.3不确定度对系统性能的影响为进一步研究社交能力d以及用户行为决策不确定对谣言时空扩散演化过程的影响，我
【参考文献】：
期刊论文
[1]基于Web3.0的知识交流与传播服务平台构建[J]. 刘爱琴,陈宋敏,赵慧敏. 图书馆工作与研究. 2017(10)
[2]基于方法论分析倾向性网络舆情的思考[J]. 周俊. 环球市场信息导报. 2016(18)
[3]随机利率和复合泊松损失情形下的灾难期权的定价（英文）[J]. 金运国,钟守铭. 应用概率统计. 2015(04)
[4]Rumor Spreading Model with Trust Mechanism in Complex Social Networks[J]. 王亚奇,杨晓元,韩益亮,王绪安. Communications in Theoretical Physics. 2013(04)
[5]关于舆论的基本理念[J]. 陈力丹. 新闻大学. 2012(05)
博士论文
[1]几类反应扩散系统的自由边界问题[D]. 朱丹丹.郑州大学 2019
硕士论文
[1]面向复杂网络的免疫策略研究[D]. 姜孟津.杭州电子科技大学 2019
本文编号：3601611
【文章来源】：南京邮电大学江苏省
【文章页数】：123 页
【学位级别】：博士
【部分图文】：
社交网络谣言的时空传播方式[36]
南京邮电大学博士研究生学位论文第四章考虑用户行为决策不确定性的谣言时空扩散模型45为简化模型，不妨设行为代价为常数0，则选择传播谣言的概率可进一步改写为：((1,)(0,))/(1,)/(1,)/(0,)/1(,)(0)1ddddduxuxuxuxuxdpdeeee(4.13)图4.2谣言传播概率随平均决策收益差的变化图像[27]将两种行为决策的平均收益之差视为整体，图4.2展示了不同不确定度取值下，用户传播谣言的概率变化。当不确定度很小时，谣言传播概率近似一个与收益差正负相关的分段函数，此时用户的行为决策几乎完全倾向于收益高的选择。而随着不确定度的增大，函数曲线逐渐平缓，当不确定度很大时，趋于常数0.5，表明此时选择传播或不传播的概率是均匀的，用户决策完全随机，不再考虑收益的影响。最后，基于不同的博弈模型，构造收益矩阵，即可计算采纳不同决策的平均收益。假定收益矩阵如(4.14)所示，R表示博弈双方均选择传播谣言的收益；P表示博弈双方均选择不传播谣言的收益；S表示我方选择传播而对方不传播谣言的收益；T则与S情形相反。以囚徒博弈为例，参数满足TRPS，当双方均选择不采取行动时，达到平衡；而雪堆博弈则满足TRSP，最佳策略是制定与对方相反的决策。在谣言传播过程中，协同博弈往往更符RSTP(4.14)合实际传播情况，当有更多的邻居节点相信并传播谣言时，用户趋向于制定传播谣言的决策。由此，平均决策收益可表示为：max(1,)(())/()dupdpRddpSdR(4.15)max(0,)(())/()dupdpTddpPdR(4.16)其中p表示邻居节点在某一时刻选择传播谣言的概率，或者说是整个网络中谣言传播者的比
南京邮电大学博士研究生学位论文第四章考虑用户行为决策不确定性的谣言时空扩散模型56(a)(b)(c)(d)图4.5不同距离上的谣言扩散演化过程：(a)WS网络上的数值解；(b)WS网络上的仿真解；(c)BA网络上的数值解；(d)BA网络上的仿真解图4.5展示了不同距离上感染连接密度随时间变化的图像。其中模型参数依然设置为d0.1，I(t*)0.1。网络拓扑结构参数如表4.1所示。子图4.5(a)和4.5(b)展示了在不确定度0.1下，WS网络中各距离处的感染连接密度的变化。由于在阈值时刻在各距离处较为均匀的感染连接分布，以及WS网络拓扑的均质特征，不同距离处的感染连接密度呈均匀上升趋势。而在BA网络中，基于不确定度0.01，观察发现阈值时刻，距离信源3处的感染连接密度相对较大，表明此处谣言的影响力更大，传播谣言的用户更多，因此相较其他距离，距离3处的感染连接密度增长更快，说明初值条件对不同距离谣言演化过程存在显著影响。随着时间推移，由于不同距离间的信息流动使得各处的感染连接密度相对均衡，最终各距离处的感染连接密度近似相等，达到稳态。通过观察图4.4与图4.5，虽然数值解与仿真解的传播趋势和取值变化十分相似，但二者仍有不同。在实际网络中，仅有整数距离具有实际意义，但数值解法由于考虑了各个距离步长上的谣言流动，导致整数距离上的谣言流量得到分流，因此相较仿真结果，数值解描述的谣言扩散过程速度相对较慢慢，扩散规模也更校4.4.3不确定度对系统性能的影响为进一步研究社交能力d以及用户行为决策不确定对谣言时空扩散演化过程的影响，我
【参考文献】：
期刊论文
[1]基于Web3.0的知识交流与传播服务平台构建[J]. 刘爱琴,陈宋敏,赵慧敏. 图书馆工作与研究. 2017(10)
[2]基于方法论分析倾向性网络舆情的思考[J]. 周俊. 环球市场信息导报. 2016(18)
[3]随机利率和复合泊松损失情形下的灾难期权的定价（英文）[J]. 金运国,钟守铭. 应用概率统计. 2015(04)
[4]Rumor Spreading Model with Trust Mechanism in Complex Social Networks[J]. 王亚奇,杨晓元,韩益亮,王绪安. Communications in Theoretical Physics. 2013(04)
[5]关于舆论的基本理念[J]. 陈力丹. 新闻大学. 2012(05)
博士论文
[1]几类反应扩散系统的自由边界问题[D]. 朱丹丹.郑州大学 2019
硕士论文
[1]面向复杂网络的免疫策略研究[D]. 姜孟津.杭州电子科技大学 2019
本文编号：3601611
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3601611.html
