基于随机游走抽样的复杂网络局部免疫方法及系统技术方案

本发明专利技术公开了一种基于随机游走抽样的复杂网络局部免疫方法及系统，包括步骤1：从待实施免疫的网络中实施随机游走抽样获取一定数量的局部样本，并计算随机游走过程中的局部样本度分布qd(k)；步骤2：根据随机游走过程中的局部样本度分布qd(k)估计网络的平均度

【技术实现步骤摘要】
基于随机游走抽样的复杂网络局部免疫方法及系统
本专利技术属于互联网社交网络分析领域，尤其涉及一种基于随机游走抽样的复杂网络局部免疫方法及系统。
技术介绍
随着在线社交平台的迅速发展，在线舆情控制对即时遏制虚假消息传播，限制网络用户爆发大规模虚拟活动、控制计算机蠕虫病毒等具有重要意义。针对在线社交网络的传播控制，本质上是一个从网络传播角度出发，快速选择出重要免疫节点的问题。因此怎样选出重要免疫节点对于控制网络传播非常重要。一般地，将网络节点的“度”作为评价指标，认为度越大的节点对信息扩散的效力就越强。因此，在全局信息已知的条件下，将所有节点按度由大到小排列，并依次选取进行免疫，就得到了在无标度网络中性能优秀的免疫策略“目标免疫”方法(targetedimmunizationstrategy，TS)。但是，目标免疫这样的全局策略需要知道全网络节点的信息(所有节点的度)才能完成排序，而这在实际应用中是很难满足的。例如，在在线社交网络进行舆情控制时，考虑到在线社交网络无比巨大的规模，爬取全网络信息几乎不可能。因此，出现了如“熟人免疫”(accquaintanceimmunizationstrategy，AS)和“随机免疫”(randomimmunizationstrategy，RS)这样的局部免疫策略。顾名思义，随机免疫即是在网络中随机选择节点进行免疫(即基于随机节点抽样)，而熟人免疫则是利用无标度网络中二阶平均度大于一阶平均度的特征，随机取一个节点并再随机选取该节点的任意邻居进行免疫(即基于随机节点边抽样)。针对上述三类经典免疫策略的改进方法有很多，但主要问题依旧存在：基于全局信息的策略性能好效率高，但是网络全局信息难获得；局部免疫策略虽然不需要网络全局信息，但免疫效率与目标免疫这样的全局方法差距较大。
技术实现思路
本专利技术要解决的技术问题是不需要获取网络全局信息就可以获得较高免疫效率，提出了一种基于随机游走抽样的免疫方法及系统。为解决该问题，本专利技术所采用的技术方案是：基于随机游走抽样的免疫方法，包括以下步骤：步骤1：从待实施免疫的网络中实施随机游走抽样获取一定数量的局部样本，并计算随机游走过程中的局部样本度分布qd(k)；步骤2：根据随机游走过程中的局部样本度分布qd(k)估计网络的平均度步骤3：根据所估计的网络平均度值估计基于目标免疫的免疫门限的度截断值kcut；步骤4：若随机游走过程中获取某个节点i，该节点i的度为ki，如果ki≥kcut，则该节点i为免疫节点对其实施免疫。为进一步优化技术方案，本专利技术还做了以下改进：进一步地，步骤2中根据随机游走过程中的局部样本度分布qd(k)估计网络的平均度的方法是：步骤2.1根据随机游走过程中获取局部样本度分布qd(k)求取网络总体度分布的估计值：其中，k表示网络中节点的度；步骤2.2：根据网络总体度分布的估计值求取出网络的平均度估计值：进一步地，步骤2中估计基于目标免疫的免疫门限的截断值kcut其中，pc(k)为网络总体累积分布函数，为目标免疫的免疫门限估计值，λ为网络中“病毒”、信息的传播率。本专利技术还提供了一种基于随机游走抽样的复杂网络局部免疫系统，包括处理器，以及与所述处理器连接的存储器，所述存储器存储有基于随机游走抽样的复杂网络局部免疫方法的程序，所述基于随机游走抽样的复杂网络局部免疫方法的程序被所述处理器执行时实现前面所述方法的步骤。与现有技术相比，本专利技术所取得的有益效果是：基于随机游走抽样的复杂网络局部免疫方法，通过随机游走过程中的局部样本度分布来估计网络的平均度，进而估计出目标免疫的免疫门限值，通过将随机游走过程中某个节点的度与门限值进行比较，来判断该节点是否是免疫节点。本专利技术的方法并不需要依靠对全网络度信息进行排序，而是通过免疫过程中获取的随机游走样本去估计度截断值kcut，并通过kcut与当前游走节点的局部信息即当前节点的度进行比较来决策是否实施免疫。本专利技术提出的这种局部免疫策略，可以快速的对复杂网络实施免疫，其性能超过了经典的熟人免疫和随机免疫方法。附图说明图1为本专利技术流程图；图2为不同免疫策略在真实网络上进行仿真得到的“减少流行率”ρf/ρ0；图2a为Advogato网络的结果；图2b为Brightkite网络的结果；图2c为Epinions网络的结果；图2d为MSM网络的结果。具体实施方式图1和图2示出了本专利技术基于随机游走抽样的复杂网络局部免疫方法，该方法包括步骤1：从待实施免疫的网络中实施随机游走抽样获取一定数量的局部样本，并计算随机游走过程中的局部样本度分布qd(k)；一般随机游走抽样的局部样本数量取网络节点数量的5％左右，本实施例中的实验所取局部样本的数量为5％；步骤2：根据随机游走过程中的局部样本度分布qd(k)估计网络的平均度步骤2.1根据随机游走过程中获取局部样本度分布qd(k)求取网络总体度分布的估计值：若随机游走过程中获取的局部样本度分布为qd(k)，则用网络的度分布pd(k)将其表示为其中，为标准化常数，用于保证qd(k)的和为1，k为网络中节点的度。所以，从上式中可以得出结论qd(k)∝k·pd(k)，即由此，可以由局部样本分布qd(k)得出网络总体度分布的估计：步骤2.2：根据网络总体度分布的估计值求取出网络的平均度估计值：步骤3：根据所估计的网络平均度值估计基于目标免疫的免疫门限的度截断值kcut；本实施例将结合目标免疫的免疫门限以及估计得到的网络度分布和平均度确定免疫“截断值”kcut。已知对任意连接指数(connectivityexponent)无标度网络进行目标免疫的免疫门限的近似解为：其中，为免疫门限，m＝<k>/2，λ为网络中“病毒”、信息等的传播率。免疫门限gc是指阻止或消灭信息或病毒等在网络中的传播需要免疫的节点数量，则对于目标免疫来说，其最终选择免疫的节点便是将节点按度由大到小排列后，在排名gc·N之前的节点。所以，为了得到与目标免疫类似的性能，需要在随机游走过程中，不依靠全局排名的同时，判断某个节点是否处在度排名前gc·N的节点中：根据前面估计得到的网络总体度分布pd(k)，可以容易得到网络的累计度分布pc(k)，那么，从累计度分布上观察，排名处于前gc·N节点的度将大于等于某个kcut值，即其中为估计得到目标免疫的免疫门限。由此，便利用估计的累计度分布和平均度得到了免疫“截断值”kcut。需要注意的是，在估计gc的时候，假设传播率λ已知。实际应用中，如在信息传播或病毒爆发时，λ是比较容易进行估计的；若λ确实无法估计，我们可以选择一定的排名比例α来确定kcut的值：kcut＝max{k|pc(k)≤1-α}例如，想对度排名前10％的节点实施免疫，则上述的α＝0.1，进而求出对应的截断值kcut。步骤4：若随机游走过程中获取某个节点i，该节点i的度为ki，如果ki≥kcut，则该节点i为免疫节点，便可对该节点实施免疫。本专利技术的方法并不需要依靠对全网络度信息进行排序，而是通过免疫过程中获取的随机游走样本去估计度截断值kcut，并通过kcut与当前游走节点的局部信息即当前节点的度进行比较来决策是否实施免疫。从而可以快速有效的实施免疫，使舆情或病毒得到控制。本专利技术还提供了一种基于随机游走抽本文档来自技高网...

【技术保护点】
1.一种基于随机游走抽样的复杂网络局部免疫方法，其特征在于：包括以下步骤：步骤1：从待实施免疫的网络中实施随机游走抽样获取一定数量的局部样本，并计算随机游走过程中的局部样本度分布qd(k)；步骤2：根据随机游走过程中的局部样本度分布qd(k)估计网络的平均度

【技术特征摘要】
1.一种基于随机游走抽样的复杂网络局部免疫方法，其特征在于：包括以下步骤：步骤1：从待实施免疫的网络中实施随机游走抽样获取一定数量的局部样本，并计算随机游走过程中的局部样本度分布qd(k)；步骤2：根据随机游走过程中的局部样本度分布qd(k)估计网络的平均度步骤3：根据所估计网络的平均度值估计基于目标免疫的免疫门限的度截断值kcut；步骤4：若随机游走过程中获取某个节点i，该节点i的度为ki，如果ki≥kcut，则该节点i为免疫节点,对其实施免疫。2.根据权利要求1所述的基于随机游走抽样的复杂网络局部免疫方法，其特征在于：步骤2中所述根据随机游走过程中的局部样本度分布qd(k)估计网络的平均度的方法是：步骤2.1根据随机游走过程中获取局部样本度分布qd(k...

【专利技术属性】
技术研发人员：吕欣，陈洒然，谭跃进，刘忠，秦烁，蔡梦思，黄格，肖时耀，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南,43