多源数据网络结构推断及网络平衡鲁棒性研究.pdfVIP

多源数据网络结构推断及网络平衡鲁棒性研究 摘 要 随着社会的发展，人类已经进入到了复杂网络时代。复杂网络的蓬勃发展既给人类 社会带来了便利，也带来了很多负面影响，如少量的破坏或传染病更容易扩散到整个复 杂网络系统。因此，人类的活动越来越依赖于各种复杂网络系统的鲁棒性和有效性。网 络鲁棒性评估系统对指导人们制定策略至关重要，比如，指导如何提高网络的稳健性、 如何缓解蓄意攻击带来的破坏性后果、以及如何抵御可能发生的危机。显然，网络结构 推断是分析网络各种性质的前提。只有获得了较为准确的网络结构，才能对网络鲁棒性 进行分析，进而制定各种保护策略来提高网络的鲁棒性。此外，链路结构反映了系统中 实体之间的功能关系，因此链路结构的推断对于理解系统底层功能至关重要。 一般来说，对于无符号网络，链路推断的目的是推断出一些点对之间是否存在链接。 对于符号网络，其链接的存在是非常稳定的，但链接上的符号却可能快速改变。此时链 路推断的目的是推断符号网络链接上的符号。如果把符号网络中的“+/ − ”看成无符号 网络中的真实/伪链接，则可以把两者的链路推断问题转化成同一个问题。本文主要研究 复杂网络的链路推断问题和符号网络的平衡鲁棒性。具体而言，本文研究工作概括如下： （1）针对链路结构推断的问题，联合链路推断系统依赖于从多个平台收集的一些 多源观测数据来推断网络的真实链路和虚假链路。在一些应用中，这些多源观测数据是 不可靠的、稀疏的和异质的。这些特点使得经典算法难以准确推断出真实的链路结构。 为了解决这一问题，本文研究了多源观测数据较稀疏和具有社区结构的链路推断问题。 首先，我们引入了平台类别。在这里，同一类别的平台有相似的观测结果。此外，在同 一类别中的平台拥有相似的可靠性，而在不同类别中的平台的可靠性具有一定差异。然 后，我们提出了一个期望最大化算法（称为 C-EMLIC ）来推断网络的链路结构、平台 的异构可靠性以及平台所属的类别。在标准网络和真实网络上进行的实验表明，当平台 观测稀疏而且网络具有社区结构时，C-EMLIC 在链路推断方面优于几种最新算法。 （2 ）由于对复杂网络的蓄意攻击会对网络功能造成灾难性破坏从而破坏网络的鲁 棒性，因此相关研究受到了广泛的关注。以往主要关注蓄意攻击对无符号网络鲁棒性的 影响。然而相比于无符号网络，包含冲突关系的符号网络可以表征更多真实社会系统的 特性，其反映了复杂网络中潜在的对立与联合的关系。尽管近年来在无符号网络鲁棒性 方面取得了一些进展，但分析符号网络平衡鲁棒性的研究却处于起步阶段。因此，本文 I 多源数据网络结构推断及网络平衡鲁棒性研究 研究了蓄意攻击对符号网络结构平衡鲁棒性的影响。首先，我们建模两种蓄意攻击类型： 小规模节点攻击和大规模集群攻击，并分析了在攻击过程中符号网络的平衡鲁棒性。其 次，我们提出了一个描述符号网络平衡鲁棒性的指标，用以评估符号网络在蓄意攻击下 还剩余多少功能。最后，我们提出了6 种保护策略来保护一部分关键节点，以此来缓解 蓄意攻击对符号网络结构平衡的破坏。无论是人工合成的符号网络还是真实世界的符号 网络的实验结果都表明：符号网络的结构平衡在目标攻击下是脆弱的，但是通过保护一 部分关键节点可以大大提升其平衡鲁棒性。 关键词：链路推断；期望最大化；符号网络；平衡鲁棒性；保护策略 II Research on Multi-source Data Network Structure Inference and Balance Robustness of Network Abstract The era of complex networks has come with the development of technology and society. The flourishing development of complex networks has brought convenience to human society, whereas it also generates some negative effects. For e