一种复杂网络中的恶意信息流传播方法

文档序号:6384445阅读:230来源:国知局
专利名称:一种复杂网络中的恶意信息流传播方法
一种复杂网络中的恶意信息流传播方法技术领域
本发明属于复杂网络中的恶意信息传播技术,特别是一种基于舆情传播模型的复 杂网络恶意信息流传播方法。
背景技术
随着社会系统的复杂化和信息技术的快速发展,信息传播的模式也越来越多元化 和复杂化,与以往人际关系或大众媒体传播信息的模式不同,网络信息的传播具有很强的 隐蔽性,因而可能造成更大的危害。随着社会的发展,人们对网络的依赖程度也随之迅速增 大,使得各种恶意信息流能够借助于网络轻而易举地传播到世界上的每一个角落,并且规 模化趋势和以前相比更加明显,由此可知今天的网络已经面临着各种各样的安全威胁。因 此,研究恶意信息流的传播动力学行为,掌握其传播规律,并在此基础上提出有效降低恶意 信息流传播造成危害的措施,对人类的发展和社会的进步都将会有着重要的现实意义。
复杂网络理论研究的是各种在表面上看来互不相关的复杂系统之间所共有的属 性,以及处理它们所采取的普适方法。复杂网络理论的研究使人们开始注意到网络拓扑结 构本身的复杂性,并着重关注这种复杂性与网络动力学行为之间存在的密切关系。
目前国内外对于恶意信息流在复杂网络中传播的问题主要局限于模拟生物病毒 的传播规律,用来描述计算机病毒的传播动力学过程,研究结果已经比较成熟。舆论传播的 演化过程具有高度的复杂性、开放性、不确定性、非平衡性、自组织性等特征,这和计算机网 络恶意信息流的传播特点非常类似,可以通过计算机仿真,建立基于舆情扩散模型的恶意 信息流模型,将社会学领域的研究成果应用域自然科学领域。
对于基于网络舆情的恶意信息流而言,既受到网络结构的影响,也受到传播模型 规则的影响,进而影响网络信息的传播。由于舆情和谣言传播的突然性,难以在瞬间采集和 保存真实的数据,因此,现有的方法大多都是从局部特征出发设计符合常理的数学模型来 模拟传播过程。
元胞自动机(CA)的概念最早在20世纪50年代由Von Neumann提出,是一种时间、 空间和变量均离散的数学模型,主要用于模拟生命系统所具有的自复制功能,这类简单的 模型能十分方便地复制出复杂的现象或动态演化过程中的吸引力、自组织和混沌现象,因 而被广泛用于各个领域。用CA来模拟一个物理过程的优点在于省去了用微分方程作为过 渡,而直接通过制定规则来模拟非线性物理现象。在这些实际应用中,CA模型通过简单的 微观局部规则揭示了自然发生的宏观行为,是目前研究时空离散的理想物理模型,在研究 复杂系统方面被认为是一种最有效的工具之一。发明内容
本发明的目的是提出一种复杂网络中的恶意信息流传播的方法,建立恶意信息流 传播模型,研究在复杂网络中恶意信息流的传播动力学特点,从而掌握恶意信息流传传播 规律,有效降低恶意信息流传播造成危害。
实现本发明目的的技术解决方案为复杂网络中的恶意信息流传播的方法所采用的步骤如下第一步建立二维元胞自动机,每一个元胞都是复杂网络中的一个节点,一个元胞自动机系统为A= {C,Q, V, f},网格空间C为二维模型中的四边形元胞空间;离散的有限状态Q ; 元胞的邻居集合V表示中心元胞的四个邻居;基于舆情传播的Hacken模型确定元胞自动机的局部演化规则f ;第二步基于舆情传播的Hacken模型确定局部演化规则f,建立复杂网络中恶意信息流的传播模型;离散的有限状态Q= {H,1},H表示节点健康状态,I表示节点感染状态;定义t时刻状态为H的格子,在t+Ι时刻变为状态为I的格子的概率为P (H-1);保持原来状态的概率为1-P ( H —H) ;t时刻状态为I的格子变为状态为H的概率P (1-H);保持原来状态的概率为1-p (I — I);由此可以得出P (H— I) =v exp {- (kq+h)} / exp (k/2)P (I—H) =v exp {+ (kq+ h)} / exp (k/2)k表示网络中节点本身的防疫程度出表示网络中节点自身的安全评估等级,即健康程度;V表示的是一个节点状态变化的时间尺度。q的取值为q=(n+-n_)/2n5, n5=n++n_ 第三步定义四邻域局部状态概率A+为当前元胞四邻域中H个数为m的概率:A+ = m/5 A_为当前元胞四邻域中I个数为j的概率:A_ = j/5 初始健康密度P+(t)为复杂网络中时刻t时健康节点和总节点的数目比。
磁化率M(t)为复杂网络安全状态的总体倾向,M(t)=2p+(t)-l第四步最后利用计算机仿真对复杂网络中所有节点分别进行一次次遍历,直到满足设定的条件跳出循环。
利用元胞自动机模拟网络中的节点,根据其转换函数f在每个循环中对所有元胞进行遍历,具体实现过程如下①定义循环次数T和已经循环的次数t,初始t=0,定义元胞个数为η;②在时刻t,对于所有元胞,利计算在t时刻元胞空间N的整体转移概率P(H— I)t, P(I^H)t ;③计算四邻域局部状态概率值=A+和A—;④如果中心元胞取值value(m)=H,则判断⑤,否则执行⑥;⑤如果P(H — I)t彡A_,则将中心元胞值value (m)置为I,否则保持value (m) =H ;⑥如果中心元胞值value(m)=I,则判断⑦;⑦如果P(I—H)t彡A_,则将中心元胞值value (m)置为H,否则保持value (m) =I ;⑧得出遍历一次后的磁化率M(t)=(l/m) 2value(i);⑨当M(t)-M(t-1)〈0.0005时停止循环,否则t=t+l,跳回步骤②。
所述的节点健康状态和节点感染状态为系统预设值。
本发明所产生的有益效果本发明提出一种基于舆情扩散模型的恶意信息流模型,通过建立元胞自动机系统,利用Hacken模型确定局部演化规则,对复杂网络中所有节点进行遍历,能够很好地在时间和空间上模拟恶意信息在互联网中的传播过程,从而掌握恶意信息流传传播规律,有效降低恶意信息流传播造成危害。


图1是元胞自动机的四边形元胞空间图2是元胞自动机的Von Neumann邻域模型图3是在复杂网络中恶意信息流元胞节点遍历流程图具体实施方式
下面结合附图对本发明作进一步详细描述。
实施例1 :一、建立一种二维元胞自动机每一个元胞都是复杂网络中的一个节点,一个元胞自动机系统可以表示为 A={C,Q,V,f},包括规则划分的网格空间C、离散的有限状态集合Q、元胞的邻居集合V和局部转换函数f的四元组,f也称为元胞自动机的局部演化规则,它是元胞自动机的核心。
网格空间C为二维模型中的四边形元胞空间,如图1所示;离散的有限状态Q={H, 1}分别表示节点的健康和感染状态;元胞的邻居集合V采用经典的Von Neumann邻域模型,如图2所示;元胞自动机的局部演化规则f的定义基于舆情传播的Hacken模型。
二、基于舆情传播的Hacken模型,建立复杂网络中恶意信息流的传播模型。
Hacken模型建立在二维规则的四方格子上,每个格子可有2种状态如果格子状态为+1,表示该格子的人持赞成意见;如果为-1,表示该点的人持反对意见。用n+表示持赞成意见的格子数,用n_表示持反对意见的格子数。由于信息的交流,人员的态度会发生改变,带来格子状态的改变。假设t时刻状态为+1的格子,在t +1时刻变为状态为-1的格子的概率为P (+ I — _ι),保持原来状态的概率为1_ P ( +1 —-1) ;t时刻状态为-1 的格子变为状态为+1的概率P (_ι — +1);保持原来状态的概率为1_ P (_ι — +1)。
Hacken认为,格子由+1状态变到_1状态的概率和由_1状态变到+1状态的概率分别为P ( + I —_l)=v exp { (kq+h)}P (_1 —+l)=v exp {+ (kq+h)}式中k是对环境的适应强度;h是 倾向性参数(h >0意味着意见“ + ”优于;v 是“转向”过程的频率;q=(n+ -nJ/2η, η= η+ +η,其中η表示系统元胞总数。
在本发明基于现有的Hacken模型,根据恶意信息流在复杂网络中的传播特点,将其中的规则和影响因子应用于复杂网络中的恶意信息流传播中,具体如下①环境的适应强度k,它是一个顺从参数,指出人们容易顺从于盛行舆论的趋向,使一种意见越来越有压倒性优势。对应到复杂网络中,k表示网络中节点本身的防疫程度,表示一个节点本身对于恶意信息流的抵制程度。
②倾向性参数h,它体现了人员由于固有的倾向,特有的交流及观察力所产生的对形势的判断和看法,使某些人对两种意见中的一种产生偏好性。对应到复杂网络中,h表示网络中节点自身的安全评估等级,即健康程度。
③“转向”过程的频率V体现了舆论变化的时间尺度。在不考虑人员个体的个性差别情况下“转向”过程的频率越大,人员就越不坚定,态度就越容易改变;“转向”过程的频率越小,人员就越坚定。在复杂网络恶意信息流的传播中,V表示的是一个节点状态变化的时间尺度。
最后利用计算机仿真对复杂网络中所有节点分别进行一次次遍历,直到满足设定的条件跳出循环。仿真过程可以反映恶意信息流在复杂网络中的传播过程。
实施例2一、将元胞自动机Hacken舆论模型的规则运用于系统的局域的VonNeumann四邻居中,即在每一次的更新中,随机抽取一个格子,以这个格子为中心形成的Von Neumann四邻居为一个小组。则根据Hacken舆论传播模型,有如下结论P (H — I) =v exp{-(kq+h)}P(I — H)=v exp{+ (kq+h)}将舆情扩散模型对应到恶意信息流在复杂网络中的传输模型中,k表示网络中节点本身的防疫程度;h表示网络中节点自身的安全评估等级,即健康程度;v表示的是一个节点状态变化的时间尺度。q的取值由于本发明取的是四邻域模型,一次选取5个元胞作为研究目标,所以定义为q= (n+-nJ /2n5 , n5=n++n_为了便于利用计算机产生的随机数来进行模拟,我们将格子状态的改变概率改写为P (H—I)=v exp {- (kq+h)} / exp (k/2)(I)p (I—H) =v exp {+ (kq+h)} / exp (k/2)(2)二、利用以上结论和定义,使用一些定义用于描述和计算恶意信息流在复杂网络中的传播过程1.定义四邻域局部状态概率A+为当前元胞四邻域中H个数为m的概率A+=m/5 (3)A_为当前元胞四邻域中I个数为j的概率A_=j/5(4)2.定义初始健康密度p+(t),表示在复杂网络中时刻t时健康节点和总节点的数目比。
3.定义磁化率M( t)表示复杂网络安全状态的总体倾向,M(t)=2p+(t)-l三、基于以上定义,开始进行整个网络的遍历计算。如图3所示,传播循环计算的过程如下①定义循环次数T和已经循环的次数t,初始t=0,定义元胞个数为η;②在时刻t,对于所有元胞,利用公式(I)和(2)分别计算在t时刻元胞空间N的整体转移概率=P(H -1)t, P(I — H)t ;③利用公式(3)和(4)计算四邻域局部状态概率值:A+和A—;④如果中心元胞取值value(m)=H,则判断⑤,否则执行⑥;⑤如果P(H — I) t彡A_,则将中心元胞值value (m)置为I,否则保持value (m) =H ;⑥如果中心元胞值value(m)=I,则判断⑦.;⑦如果P(I — H) t彡A_,则将中心元胞值value (m)置为H,否则保持value (m) =I ;⑧得出遍历一次后的磁化率M(t)= (l/m) Svalue(i);⑨当M(t)-M(t-1)〈0.0005时停止循环,否则t=t+l,跳回步骤②。
权利要求
1.一种复杂网络中的恶意信息流传播方法,其特征在于所采用的步骤如下 第一步建立ニ维元胞自动机,姆ー个元胞都是复杂网络中的ー个节点,一个元胞自动机系统为A= {C,Q, V,f},网格空间C为ニ维模型中的四边形元胞空间;离散的有限状态Q ;元胞的邻居集合V表示中心元胞的四个邻居;基于舆情传播的Hacken模型确定元胞自动机的局部演化规则f ; 第二步基于舆情传播的Hacken模型确定局部演化规则f,建立复杂网络中恶意信息流的传播模型;离散的有限状态Q= {H,1},H表示节点健康状态,I表示节点感染状态;定义t时刻状态为H的格子,在t +1时刻变为状态为I的格子的概率为p (H — I);保持原来状态的概率为1-p (H — H) ;t时刻状态为I的格子变为状态为H的概率p(I —H);保持原来状态的概率为1-P (I — I); 由此可以得出p (H—I)=v exp {- (kq+h)} / exp (k/2)p (I—H)=v exp {+ (kq+h)} / exp (k/2) k表示网络中节点本身的防疫程度;h表示网络中节点自身的安全评估等级,即健康程度表示的是ー个节点状态变化的时间尺度;q 的取值为q=(n+-n_)/2n;5, n5=n++n_ 第三步定义四邻域局部状态概率 A+为当前元胞四邻域中H个数为m的概率:A+ = m/5 A_为当前元胞四邻域中I个数为j的概率:A_ = j/5 初始健康密度P+(t)为复杂网络中时刻t时健康节点和总节点的数目比; 磁化率M(t)为复杂网络安全状态的总体倾向,M(t)=2p+(t)-l第四步最后利用计算机仿真对复杂网络中所有节点分别进行一次次遍历,直到满足设定的条件跳出循环。
2.根据权利要求1所述的复杂网络中的恶意信息流传播方法,其特征在于利用元胞自动机模拟网络中的节点,根据其转换函数f 在每个循环中对所有元胞进行遍历,具体实现过程如下 ①定义循环次数T和已经循环的次数t,初始t=0,定义元胞个数为n; ②在时刻t,对于所有元胞,利计算在t时刻元胞空间N的整体转移概率P(H— I)t,P(I^H)t ; ③计算四邻域局部状态概率值=A+和A—; ④如果中心元胞取值value(m)=H,则判断⑤,否则执行⑥; ⑤如果P(H—I)t彡A_,则将中心元胞值value (m)置为I,否则保持value (m) =H ; ⑥如果中心元胞值value(m)=I,则判断⑦; ⑦如果P(I—fl)t彡A_,则将中心元胞值value (m)置为H,否则保持value (m) =I ; ⑧得出遍历一次后的磁化率M(t)=(1/m) 2 value (i); ⑨当11(^(卜1)〈0.0005时停止循环,否则t=t+l,跳回步骤②。
3.根据权利要求1所述的复杂网络中的恶意信息流传播方法,其特征在于所述的节点健康状态H和节点感染状态I为系统预设值。
全文摘要
本发明属于复杂网络中的恶意信息传播技术,公开了一种基于舆情传播模型的复杂网络恶意信息流传播方法。该方法首先建立一种二维元胞自动机模拟复杂网络中的节点,再通过社会学中的舆情扩散模型Hacken模型的舆情扩散方法应用到复杂网络中,对复杂网络中所有节点进行遍历,直到满足设定的条件跳出循环。本发明能够很好地在时间和空间上模拟恶意信息在互联网中的传播过程,从而掌握恶意信息流传传播规律,有效降低恶意信息流传播造成危害。
文档编号G06N3/02GK103049789SQ20121054675
公开日2013年4月17日 申请日期2012年12月17日 优先权日2012年12月17日
发明者李千目, 刘婷, 侯君, 周建群, 戚湧 申请人:南京理工大学连云港研究院
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1