隨著各種社交媒體不斷興起,社交網(wǎng)絡(luò)中消息傳播所帶來的安全問題顯得愈發(fā)突出。其中,虛假消息的傳播給網(wǎng)絡(luò)空間的安全帶來了極大威脅。為了在盡可能小地改變網(wǎng)絡(luò)拓撲結(jié)構(gòu)的前提下抑制虛假消息在網(wǎng)絡(luò)空間的肆意傳播,提出了一種基于影響力最大化的抑制虛假消息傳播的方法。首先基于信息級聯(lián)預(yù)測模型對消息傳播進行預(yù)測,提出基于節(jié)點影響力最大化思想的兩種算法Louvain Clustered Local Degree Centrality（LCLD）和Random Maximum Degree（RMD）,得到影響力最大的節(jié)點集合;然后利用TextCNN對虛假消息進行分類識別,過濾掉節(jié)點集合中的少量關(guān)鍵節(jié)點。修改后的傳播網(wǎng)絡(luò)重新通過預(yù)測模型進行消息傳播預(yù)測,結(jié)果虛假消息的傳播相比于網(wǎng)絡(luò)修改前得到了明顯抑制。最后在真實數(shù)據(jù)集BuzzFeedNews上展開驗證,首先通過實驗驗證基于信息級聯(lián)的預(yù)測模型可以較準確地擬合實際傳播;再將修改后的網(wǎng)絡(luò)輸入預(yù)測模型進行預(yù)測,結(jié)果顯示虛假消息傳播可得到抑制,表明采用影響力最大化算法刪減少量包含虛假消息的節(jié)點可有效抑制虛假消息的傳播,從而驗證了所提方法的有效性。 

【文章來源】：計算機科學(xué). 2020,47(S1)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

抑制虛假消息的過程

其中,α為一個平滑參數(shù),評價函數(shù)sct(s)可以選擇gc中節(jié)點u的度degc(u)、全局圖G中的度degG(u)或者當(dāng)前節(jié)點v和它的鄰居u之間的連邊的權(quán)重weight(v,u)。pj和po兩個概率值在端到端的學(xué)習(xí)過程中不斷更新。設(shè)定一個足夠長的序列長度T和一個足夠多的時間序列個數(shù)K,得到圖3(b)中的序列。然后針對每一個消息傳播網(wǎng)絡(luò),通過不斷學(xué)習(xí)更新,確定對應(yīng)的pj和po,從而確定最終的長度。

pj和po兩個概率值在端到端的學(xué)習(xí)過程中不斷更新。設(shè)定一個足夠長的序列長度T和一個足夠多的時間序列個數(shù)K,得到圖3(b)中的序列。然后針對每一個消息傳播網(wǎng)絡(luò),通過不斷學(xué)習(xí)更新,確定對應(yīng)的pj和po,從而確定最終的長度。3.1.2 傳播預(yù)測模型

【參考文獻】：
期刊論文
[1]在線社交網(wǎng)絡(luò)謠言傳播興趣衰減與社會強化機制研究[J]. 張亞明,唐朝生,李偉鋼.  情報學(xué)報. 2015 (08)
[2]社會強化效應(yīng)及連邊權(quán)重對網(wǎng)絡(luò)信息傳播的影響分析[J]. 闞佳倩,謝家榮,張海峰.  電子科技大學(xué)學(xué)報. 2014(01)
[3]社會網(wǎng)絡(luò)中具有懷疑機制的謠言傳播模型[J]. 王筱莉,趙來軍.  上海理工大學(xué)學(xué)報. 2012(05)



本文編號：3516807