【技术实现步骤摘要】
一种基于渗流过程和进化计算的网络传播源定位方法
[0001]本专利技术属网络信息传播
,具体涉及一种基于渗流过程和进化计算的网络传播源定位方法。
技术介绍
[0002]在当前世界中存在着如社交网、电力网、公路交通网等各种各样的复杂网络,复杂网络的高互连性和高凝聚力为节点之间信息交流提供便利的同时,也增加了网络中各种风险出现的机会。比如,谣言在社交网络中的快速传播,计算机病毒在短时间内对大量主机的感染,传染疾病在人群中的爆发。因此,快速定位传播源所在区域,控制传播源点扩散带来的影响具有非常重要地研究价值和意义。
[0003]传播源定位问题的主要任务是设计一个可以推断出传播源的估计器,其中最理想的估计器是能寻找到真实源的估计器。然而,由于节点交流模式的复杂性和扩散模型的不确定性,即使底层的网络为树状网络,所设计的估计器在理论上也几乎不可能推断出真实源。因此,误差距离被开发并被用来作为评估一个估计器性能的标准:如果相应的推断源在距离上更接近真实源,则称一个估计器比另一个估计器更好。基于不同的已知信息假设,研究者们开发了不同的方法来最小化误差距离。但在实际中,我们面临的问题是:获得误差距离较小的估计器之后,如何进一步溯源?诚然,人们可以对估计出的传播源的邻近区域进行更密集的检测,最终实现真实源的定位。在此场景下,对于结构相对简单的网络,一个小的误差距离通常预示着我们只需要对很少一部分节点实施进一步更密集的检测来找出真实的传播源。但是,由于大多数现实世界的网络都是异构的,也即在这样的网络中,一个节点可能与多数节点
【技术保护点】
【技术特征摘要】
1.一种基于渗流过程和进化计算的网络传播源定位方法,其特征在于步骤如下:步骤1:输入实验网络数据集G(V,E),其中,V表示网络节点集合,E表示网络中的边集合;初始化固定传播模型的边感染率β
uv
、节点恢复率γ
u
,边感染率β
uv
的取值范围为[0,1],节点恢复率γ
u
的取值范围为[0,1];确定爆发率ε,爆发率ε取值范围为[0,1];初始化网络中所有节点均处于易感状态;步骤2:采用随机排序或节点度排序方法构建得到初始图全体节点序列S,并采用AEF算法对节点序列S进行更新,对于更新后节点序列,按照从前往后的顺序选择比例q个节点作为观察点,并构成观察点集合O,将观察点标记在网络上,记录观察点被感染的绝对时间,从观察点集合O中随机确定占比为R
d
=|O
d
|/|O|个观察点构成集合O
d
,记录观察点被感染的方向信息;q的取值范围为[0,0.2],R
d
的取值范围为[0.001,1];步骤3:在t=0时刻,从数据集G(V,E)所有节点中随机选择传播源v
s
处于感染状态,启动传播过程;在传播过程中,观察点记录自己被感染的绝对时间,集合O
d
中的观察点同时还记录被感染的方向信息,处于感染状态的节点以边感染率β
uv
传播病毒给处于易感状态的邻居节点,同时,处于感染状态的节点以恢复率γ
u
进入恢复状态,被感染节点进入感染状态成为新感染节点,处于感染状态的全体节点继续进行传播行为,直至网络中的感染节点数n1和恢复节点数n2满足(n1+n2)/n≥ε,停止传播过程,此时得到的节点感染情况分布图构成感染图G
I
;其中,n表示网络G中包含的节点数量;步骤4:以步骤2中的观察点集合O作为移除节点集V
r
,数据集G中除观察点外的其他节点构成剩余节点集V
o
;针对移除节点集V
r
,移除集合V
o
中的节点与V
r
中节点相连的边后得到若干大小不同且大于1的连通片,标记为c
i
,表示第i个连通片,其中i=1,2,
…
,C,C表示连通片总数;按照确定连通片c
i
的边界其中,u表示移除节点集V
r
中的任意节点,v表示连通片c
i
中的任意节点,e
uv
表示感染图G
I
中连接节点u和节点v的边;按照确定移除节点集V
r
中的任意节点u的连通覆盖区域α(u),其中,Γ(u)表示节点u在感染图G
I
中的邻居节点集,c
i
(v)表示节点v所属的连通片c
i
;步骤5:选择被感染时间最早的观察点构成被感染观察点子集合O
′
;按照公式构建子图V
′
c
,其中,x表示被感染观察点子集合O
′
中的任意观察点,α(x)表示观察点x在感染图G
I
中的邻居节点所在的连通片覆盖区域;步骤6:按照t
′
x
=t
x
‑
t
min
计算感染相对时间t
′
x
,其中,t
x
表示观察点x被感染的时间,在子图V
′
c
上采用RIS算法寻找得到传播源步骤7:将传播源的固定阶数之内的邻居节点加入候选集V
c
,以候选集的相对大小φ=|V
c
|/n作为评价指标,φ越小表示遏制感染的范围越小;其中,|V
c
|表示候选集V
c
包含的节点数量,所述的固定阶数为一阶或二阶。2.如权利要求1所述的一种基于渗流过程和进化计算的网络传播源定位方法,其特征在于:步骤2中所述的采用AEF算法对节点序列S进行更新的具体过程为:步骤a:按照随机确定序列分段的段长参数n
s
,将节点序列S由前往后进行分段,每段包含n
s
个节点,记第k段序列为S
k
,其中,n为序列S包含的节点总数,k=1,
2,...,K,K为序列分段的总段数;步骤b:对于每一个分段序列S
k
按照以下过程并行进行更新,得到更新后的分段序列S
k
,其中更新次数为步骤S1:参数初始化,令循环计次变量j=n
s
,初始中间节点序列S
′
k
=S
k
,构造初始子图G
′
k
(V
′
k
,E
′
k
)的网络,其中,令表示序列S
k
之后的所有序列的拼接序列,V
′
k
为子图的节点集,包含序列所有节点,E
′
k
=E∩(V
′
k
...
【专利技术属性】
技术研发人员:刘洋,汪小琦,王震,王茜,李学龙,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。