【技术实现步骤摘要】
本专利技术属于社交网络中社区攻击的，特别是涉及一种社交网络中基于节点综合影响力的社区攻击方法。
技术介绍
1、随着社区检测算法的逐渐成熟，社区检测的结果越来越准确，也越来越接近社区的实际分布情况。信息过度挖掘逐渐成为一个新的、具有挑战性的问题。人们意识到，一些信息，甚至是他们自己的隐私，将会被这些社区检测算法所覆盖。例如，人们可能不希望他们的身份、兴趣、职业和一些类似的信息被发现，但如果关于同一社区的其他成员的信息被披露，他们的信息也会被发现。因此，如何避免社区检测算法检测到个人信息，即社区攻击问题，引发了许多学者的极大兴趣。现有的研究中，一些经典的研究中提出了启发式的重布线方法、基于遗传算法(ga)和模块化的q攻击、利用图神经网络和最小割构建了社区发现图学习模型，结合局部相似度和全局相似度，设计了边缘修改策略等方法用来解决社区隐藏问题。然而，尽管做出了这些努力，人们仍未找到令人满意的重叠社区中的社区隐藏解决方案。因为这些研究社区主要关注用户节点在所在社区中的重要程度，无法精确地规避社区检测算法。因此，本技术方案为了解决上述存在问题，我们考虑了社区检测算法和复杂网络的一些特性。最重要的是，针对目标节点选择什么样的边作为目标可能有利于攻击效果。通常，标签访问次数和节点中心性是衡量网络中节点重要性的常用指标，我们根据k-shell分解和改进粒子竞争机制综合考虑得到节点的综合影响力。最后设计了一种社交网络中基于节点综合影响力的社区攻击方法。
技术实现思路
1、本专利技术实施例的目的在于提
2、为了实现上述专利技术目的，本专利技术一种社交网络中基于节点综合影响力的社区攻击方法包括以下步骤：
3、1.基于k-shell分解算法计算社区中节点综合度权重：
4、k-shell分解是一种用于分解网络中节点综合度(comprehensive degree)的方法；综合度是一个节点在网络中的重要性度量，结合了节点的度和它所在的k-shell层级；这个算法的核心思想是将网络中的节点划分为多个k-shell层级，并给予节点一个综合度值，根据社区中每个节点的综合度值计算出每个节点的综合度权重，以反映节点在网络中的重要性；
5、(1)计算节点的度：对网络中的每个节点，计算其度，即与其相邻的边的数量；节点的度反映了节点在网络中的直接连接情况；
6、(2)执行k-shell分解：使用k-shell分解算法对网络进行分解。该算法会将节点分配到不同的k-shell层级，每个层级具有一个整数标签k；k表示节点所在的层级，具有相同k值的节点被认为处于同一层级；
7、(3)计算节点的综合度：节点的综合度是度和k-shell层级的综合体现。计算节点综合使用如下的计算公式：
8、
9、其中，deg(i)表示k-shell分解后节点i的程度，t表示迭代次数，k为ks值，n2(i)表示为节点i两跳以内的相邻节点集；
10、(4)重复步骤3：对目标社区中的每个节点重复步骤3，计算其综合度；
11、(5)节点排序：根据节点的综合度对节点进行排序，得到目标社区中节点综合度最大值记做degmax；
12、(6)节点综合度权重计算：为每个节点赋予一个综合度权重，计算公式如下：
13、
14、2.改进粒子竞争机制，计算节点在社区中的粒子竞争力权重：
15、社区中各个节点都定义一个元素向量，其值为粒子访问次数，社区中的标签定义为粒子，通过粒子的行走和重置操作来改变网络支配矩阵的元素值；支配矩阵中的元素反过来又会影响粒子的运动，对粒子在每个节点上访问的次数大小得到该社区中各个节点影响力的大小向量值；
16、(1)初始化阶段，在图g中的某个社区ci，其粒子为pi，其中度值最大的节点定义为粒子标记的源节点，用于对粒子的分发，定义最终迭代次数为count；这些粒子只在自己所在的社区进行访问记录，社区中的粒子支配矩阵为:
17、m(t)＝[m1(t),m2(t),...,mn(t)]t
18、其中mj(t),(j<n&t<＝count)为节点vj的支配向量，表示节点vj在第t次迭代时候的粒子经过数量；t是转置算子；
19、(2)在粒子行走阶段，粒子可以随机选择相邻节点作为行走目标，如果节点vi和节点vj之间的粒子行走次数较多，粒子会优先选择该路径行走，粒子行走的至下各个节点的概率为:
20、
21、其中d(vj)表示节点vj的度，d(vi)表示vi所有邻居的度之和；表示节点vj在迭代t之前所有的粒子访问次数，表示所有粒子访问各个节点的次数；
22、(3)如果粒子行走到社区边缘，想要访问的节点并非该社区中的节点，粒子执行重置操作，返回到粒子分发的节点，继续执行行走步骤；
23、(4)如果t<count，将该次迭代过程中所有节点被粒子访问的次数进行记录，继续迭代；否则执行下一步；
24、(5)计算各个节点在社区中的粒子竞争力权重，其计算公式为：
25、
26、其中表示节点vj通过粒子访问的总次数，表示所有粒子访问各个节点的总次数。
27、3.结合节点综合度权重和粒子竞争力权重计算节点在社区中的综合影响力：
28、基于节点综合度权重和粒子竞争权重，我们定义节点vi在社区中的综合影响力为两个权重的加权平均值，记做influ(syni)，其计算的公式为：
29、influ(syni)＝α1·weight(degi)+α2*weight(peti)
30、其中α1和α2为节点综合度权重和粒子竞争力权重的权重系数，并且α1+α2＝1。
31、4.目标用户隐藏攻击方法，根据目标用户想要隐藏的社区，和目标节点所在社区所有节点的综合影响力，对目标节点进行攻击达到隐藏社区效果：
32、给定一个目标节点t，假设它在原网络g＝(v,e)中属于社区ci，我们需要对目标节点进行攻击，使得目标节点t在社区检测算法下不属于社区ci，我们定义节点t的邻居在社区ci中的邻居数量为numlar；在攻击过程中，我们首先是删除目标节点t所在社区ci中的链接，然后增加与社区cj中成员的链接，其中进行删边的总数量记为x；
33、(1)首先，根据社区中所有节点的综合影响力对目标节点t的所有邻居进行影响力排序，影响力最大的邻居节点作为删除的链接的首要对象，具体操作如下：
34、
35、其中e-表示删边操作，u的为目标节点t所有邻居节点中在社区ci中节点综合影响力influ(synu)值最大的节点；
36、(2)然后，选择社区cj中不属于节点t邻居节点的其他节点作为增加边的节本文档来自技高网...
【技术保护点】
1.一种社交网络中基于节点综合影响力的社区攻击方法，其特征在于，基于社交网络中用户节点在社区中的影响力来进行删边和增加边的操作来实现社交网络中用户的社区隐藏和某个社区的隐藏。
2.根据权利要求1所述的一种社交网络中基于节点综合影响力的社区攻击方法，其特征在于，包括如下步骤：
3.根据权利要求2所述的一种社交网络中基于节点综合影响力的社区攻击方法，其特征在于，步骤一具体包括内容如下：
4.根据权利要求2所述的一种社交网络中基于节点综合影响力的社区攻击方法，其特征在于，步骤二具体包括内容如下：
5.根据权利要求2所述的一种社交网络中基于节点综合影响力的社区攻击方法，其特征在于，步骤三具体包括内容如下：
6.根据权利要求2所述的一种社交网络中基于节点综合影响力的社区攻击方法，其特征在于，步骤四具体包括：
7.根据权利要求2所述的一种社交网络中基于节点综合影响力的社区攻击方法，其特征在于，步骤五具体包括：
8.根据权利要求2所述的一种社交网络中基于节点综合影响力的社区攻击方法，其特征在于，步骤六具体包括：
...【技术特征摘要】
1.一种社交网络中基于节点综合影响力的社区攻击方法，其特征在于，基于社交网络中用户节点在社区中的影响力来进行删边和增加边的操作来实现社交网络中用户的社区隐藏和某个社区的隐藏。
2.根据权利要求1所述的一种社交网络中基于节点综合影响力的社区攻击方法，其特征在于，包括如下步骤：
3.根据权利要求2所述的一种社交网络中基于节点综合影响力的社区攻击方法，其特征在于，步骤一具体包括内容如下：
4.根据权利要求2所述的一种社交网络中基于节点综合影响力的社区攻击方法，其特...
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。