基于图演化博弈理论的抗干扰融合方法及装置制造方法及图纸

本发明专利技术实施例提供一种基于图演化博弈理论的抗干扰融合方法及装置，其中，该方法包括：基于图演化博弈理论，根据收益矩阵和观测误差，获取诚实用户受恶意用户影响的概率；根据诚实用户受恶意用户影响的概率、观测误差和恶意用户发送错误报告的概率，获取诚实用户发送错误报告的概率；根据诚实用户发送错误报告的概率和各用户发送的报告序列，获取融合后的报告序列。本发明专利技术实施例提供的基于图演化博弈理论的抗干扰融合方法及装置，考虑了诚实用户受恶意用户影响的情况，抗干扰性更强，能在诚实用户受恶意用户影响的情况下获得融合准确率更高的融合结果。更高的融合结果。更高的融合结果。

【技术实现步骤摘要】
基于图演化博弈理论的抗干扰融合方法及装置


[0001]本专利技术涉及计算机
，尤其涉及一种基于图演化博弈理论的抗干扰融合方法及装置。

技术介绍

[0002]社交网络时代让互联网上的信息发布变得容易、灵活、成本低、速度快。如果信息内容有害(如谣言)，则可能导致严重经济后果和不可估量的损失，因此，对社交网络上带有恶意用户的信息造假过程进行建模，分析恶意者如何误导信息并估计其对整个社交网络的影响至关重要。
[0003]目前，常常通过信息融合模型来解决网络中存在恶意用户的情况。具体来说，信息融合是指融合中心通过收集所有用户的观测报告进行分析，以推测真实的系统状态的方法。但现有信息融合方法主要为隔离法。隔离法的基本思想是即通过一段时间的观测，初步对所有用户根据一定规则的声誉值计算方式对其计算其声誉值，然后推断哪些用户是恶意用户，然后将其报告丢弃，然后仅依靠其余报告来确定系统状态。但隔离法在无法应用于诚实用户可受恶意用户影响的情况，且受观测过程中的系统误差影响较大，导致融合准确率较低。

技术实现思路

[0004]本专利技术实施例提供一种基于图演化博弈理论的抗干扰融合方法及装置，用以解决现有技术中融合准确率较低的缺陷，实现抗干扰性能好、融合错误率低的数据融合。
[0005]本专利技术实施例提供一种基于图演化博弈理论的抗干扰融合方法，包括：
[0006]基于图演化博弈理论，根据收益矩阵和观测误差，获取诚实用户受恶意用户影响的概率；
[0007]根据诚实用户受恶意用户影响的概率、所述观测误差和恶意用户发送错误报告的概率，获取诚实用户发送错误报告的概率；
[0008]根据所述诚实用户发送错误报告的概率和各用户发送的报告序列，获取融合后的报告序列。
[0009]根据本专利技术一个实施例的基于图演化博弈理论的抗干扰融合方法，所述基于图演化博弈理论，根据收益矩阵和观测误差，获取诚实用户受恶意用户影响的概率的具体步骤包括：
[0010]基于图演化博弈理论，根据收益矩阵和观测误差，获取演化稳态；
[0011]根据所述演化稳态、收益矩阵和观测误差，获取诚实用户受恶意用户影响的概率。
[0012]根据本专利技术一个实施例的基于图演化博弈理论的抗干扰融合方法，所述根据诚实用户受恶意用户影响的概率、所述观测误差和恶意用户发送错误报告的概率，获取诚实用户发送错误报告的概率的具体公式为
[0013]γ＝(1-ε)
·
ρ
·
P
mal
+ε
·
(1-ρ
·
P
mal
)
[0014]其中，γ表示诚实用户发送错误报告的概率；ε表示观测误差；P
mal
表示恶意用户发送错误报告的概率；ρ表示诚实用户受恶意用户影响的概率。
[0015]根据本专利技术一个实施例的基于图演化博弈理论的抗干扰融合方法，所述根据所述诚实用户发送错误报告的概率和各用户发送的报告序列，获取融合后的报告序列的具体公式为
[0016][0017]其中，表示融合后的报告序列；s
m
表示各用户发送的报告序列；α表示恶意用户在用户总数中的比例；m
eq
(i)是对于第i个用户发送正确报告的数量；γ表示诚实用户发送错误报告的概率；δ表示融合结果错误的概率；m表示报告序列中报告的数量。
[0018]根据本专利技术一个实施例的基于图演化博弈理论的抗干扰融合方法，所述基于图演化博弈理论，根据收益矩阵和观测误差，获取演化稳态的具体步骤包括：
[0019]基于图演化博弈理论，根据收益矩阵和观测误差，获取诚实用户受恶意用户影响的概率的变化率为零时的用户系统状态作为所述演化稳态。
[0020]根据本专利技术一个实施例的基于图演化博弈理论的抗干扰融合方法，所述根据所述演化稳态、收益矩阵和观测误差，获取诚实用户受恶意用户影响的概率的具体公式为
[0021][0022]其中，P
n
→
l
表示诚实用户受恶意用户影响的概率；ε表示观测误差；P
1n
→
l
表示诚实用户观测无错误时受恶意用户影响的概率；P
2n
→
l
表示诚实用户观测错误时受恶意用户影响的概率；k
l
表示造假用户的数量；k
n
表示诚实用户的数量；π
l2
、π
n2
、π
l1
、π
n1
分别表示用户观测错误时采用策略S
l
和策略S
n
的适应度，及观测无错误时采用策略S
l
和策略S
n
的适应度；策略S
l
和策略S
n
分别表示造假报告和诚实报告；用户的适应度是根据收益矩阵、恶意用户在用户总数中的比例和基础适应度获得的。
[0023]根据本专利技术一个实施例的基于图演化博弈理论的抗干扰融合方法，所述诚实用户受恶意用户影响的概率的变化率的计算公式为
[0024][0025]其中，表示诚实用户受恶意用户影响的概率的变化率；N表示用户的总数；p
l
表示诚实用户受恶意用户影响的概率；δ表示融合结果错误的概率。
[0026]本专利技术实施例还提供一种基于图演化博弈理论的抗干扰融合装置，包括：
[0027]影响获取模块，用于基于图演化博弈理论，根据收益矩阵和观测误差，获取诚实用户受恶意用户影响的概率；
[0028]概率获取模块，用于根据诚实用户受恶意用户影响的概率、所述观测误差和恶意
用户发送错误报告的概率，获取诚实用户发送错误报告的概率；
[0029]数据融合模块，用于根据所述诚实用户发送错误报告的概率和各用户发送的报告序列，获取融合后的报告序列。
[0030]本专利技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于图演化博弈理论的抗干扰融合方法的步骤。
[0031]本专利技术实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于图演化博弈理论的抗干扰融合方法的步骤。
[0032]本专利技术实施例提供的基于图演化博弈理论的抗干扰融合方法及装置，根据收益矩阵和观测误差等先验知识，获取诚实用户受恶意用户影响的概率，根据诚实用户受恶意用户影响的概率、观测误差和恶意用户发送错误报告的概率，获取诚实用户发送错误报告的概率，考虑了诚实用户受恶意用户影响的情况，使得抗干扰性更强，能在诚实用户受恶意用户影响的情况下获得融合准确率更高的融合结果。
附图说明
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图演化博弈理论的抗干扰融合方法，其特征在于，包括：基于图演化博弈理论，根据收益矩阵和观测误差，获取诚实用户受恶意用户影响的概率；根据诚实用户受恶意用户影响的概率、所述观测误差和恶意用户发送错误报告的概率，获取诚实用户发送错误报告的概率；根据所述诚实用户发送错误报告的概率和各用户发送的报告序列，获取融合后的报告序列。2.根据权利要求1所述的基于图演化博弈理论的抗干扰融合方法，其特征在于，所述基于图演化博弈理论，根据收益矩阵和观测误差，获取诚实用户受恶意用户影响的概率的具体步骤包括：基于图演化博弈理论，根据收益矩阵和观测误差，获取演化稳态；根据所述演化稳态、收益矩阵和观测误差，获取诚实用户受恶意用户影响的概率。3.根据权利要求1所述的基于图演化博弈理论的抗干扰融合方法，其特征在于，所述根据诚实用户受恶意用户影响的概率、所述观测误差和恶意用户发送错误报告的概率，获取诚实用户发送错误报告的概率的具体公式为γ＝(1-ε)
·
ρ
·
P
mal
+ε
·
(1-ρ
·
P
mal
)其中，γ表示诚实用户发送错误报告的概率；ε表示观测误差；P
mal
表示恶意用户发送错误报告的概率；ρ表示诚实用户受恶意用户影响的概率。4.根据权利要求1至3任一所述的基于图演化博弈理论的抗干扰融合方法，其特征在于，所述根据所述诚实用户发送错误报告的概率和各用户发送的报告序列，获取融合后的报告序列的具体公式为其中，s
m，*
表示融合后的报告序列；s
m
表示各用户发送的报告序列；α表示恶意用户在用户总数中的比例；m
eq
(i)是对于第i个用户发送正确报告的数量；γ表示诚实用户发送错误报告的概率；δ表示融合结果错误的概率；m表示报告序列中报告的数量。5.根据权利要求2所述的基于图演化博弈理论的抗干扰融合方法，其特征在于，所述基于图演化博弈理论，根据收益矩阵和观测误差，获取演化稳态的具体步骤包括：基于图演化博弈理论，根据收益矩阵和观测误差，获取诚实用户受恶意用户影响的概率的变化率为零时的用户系统状态作为所述演化稳态。6.根据权利要求2所述的基于图演化博弈理论的抗干扰融合方法，其特征在于，所述根据所述演化稳态、收益矩阵和观测误差...

【专利技术属性】
技术研发人员：赵虹，林依清，胡泓，
申请(专利权)人：清华大学，
类型：发明
国别省市：