《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 通信與網(wǎng)絡(luò) > 設(shè)計(jì)應(yīng)用 > 基于遺憾最小化算法的謠言抑制與演化博弈模型
基于遺憾最小化算法的謠言抑制與演化博弈模型
《信息技術(shù)與網(wǎng)絡(luò)安全》2020年第7期
臧正功,,丁 箐
中國(guó)科學(xué)技術(shù)大學(xué) 軟件學(xué)院,,安徽 合肥230051
摘要: 謠言擴(kuò)散與控制效果受社交網(wǎng)絡(luò)結(jié)構(gòu),、用戶(hù)決策影響,。傳統(tǒng)模型網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單且較少考慮用戶(hù)決策的影響。為此基于圖論與遺憾最小化算法,,提出一種用于分析社交圖譜上用戶(hù)決策與謠言控制的演化博弈模型,。在采用規(guī)則圖論建模的基礎(chǔ)上,利用演化博弈與復(fù)制動(dòng)態(tài)方程研究影響用戶(hù)決策的因素,,并在策略更新規(guī)則中采取遺憾匹配與動(dòng)態(tài)折扣,。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證,該模型可有效反映用戶(hù)決策對(duì)謠言擴(kuò)散的影響,,提高謠言抑制效果,,并揭示網(wǎng)絡(luò)聚類(lèi)系數(shù)、風(fēng)險(xiǎn)閾值等對(duì)謠言控制的影響,。
中圖分類(lèi)號(hào): TP393.1
文獻(xiàn)標(biāo)識(shí)碼: A
DOI: 10.19358/j.issn.2096-5133.2020.07.011
引用格式: 臧正功,,丁箐. 基于遺憾最小化算法的謠言抑制與演化博弈模型[J].信息技術(shù)與網(wǎng)絡(luò)安全,2020,,39(7):61-66,,77.

An evolutionary game model based on regret minimization algorithm for rumor suppression
Zang Zhenggong,Ding Qing
School of Software,,University of Science and Technology of China,,Hefei 230051,China
Abstract: The effect of rumor diffusion and control is influenced by the user′s decision and social network structure. The traditional model complex network structure is simple and less consider the influence of user decision. Based on graph theory and regret minimization algorithm, this paper proposes an evolutionary game model for analyzing user decisions and rumor control on social graphs. On the basis of modeling, evolutionary games and replication dynamic equations are used to study the factors affecting user decisions, and regret matching and dynamic discounts are adopted in the policy update rules. Simulation results verify that the model can effectively reflect the influence of user decision on rumor diffusion, improve the rumor suppression effect, and reveal the influence of network clustering coefficient and risk threshold on rumor control.
Key words : evolutionary game,;regret match,;graph theory;social network

謠言是指未經(jīng)驗(yàn)證或者篡改真實(shí)的信息,,隨著通信網(wǎng)絡(luò)的快速發(fā)展,、即時(shí)通信和新興互聯(lián)網(wǎng)技術(shù)的應(yīng)用,謠言傳播在速度和廣度遠(yuǎn)超歷史任何時(shí)代。惡意謠言可能造成遠(yuǎn)超以往的大范圍恐慌和嚴(yán)重經(jīng)濟(jì)損失,,對(duì)信息擴(kuò)散過(guò)程與謠言抑制的研究成為社交網(wǎng)絡(luò)的研究重點(diǎn),。

由于謠言擴(kuò)散過(guò)程類(lèi)似于疾病傳播機(jī)制,經(jīng)典的易感染去除模型SIR被借鑒和改進(jìn),,文獻(xiàn)[3]基于改進(jìn)的八態(tài)ICSAR模型(無(wú)知者,,信息載體,,信息傳播者,,擁護(hù)者,撤離者),,建立了一個(gè)針對(duì)謠言傳播的動(dòng)態(tài)時(shí)空綜合風(fēng)險(xiǎn)評(píng)估模型,。文獻(xiàn)[4]建立了具有動(dòng)態(tài)友誼的隨機(jī)異構(gòu)網(wǎng)絡(luò)SHIR模型,將社交網(wǎng)絡(luò)中最常見(jiàn)的友情變化現(xiàn)象納入其中,。

與病毒感染不同,,真實(shí)謠言傳播依賴(lài)于社交網(wǎng)絡(luò)中人的交互,而基于傳染病模型的研究忽略了人在散布謠言中的自主作用,。與疾病傳播相反,,個(gè)人在謠言傳播過(guò)程中實(shí)際是自我決策問(wèn)題。如何有效利用個(gè)體策略,,抑制謠言傳播成為研究的主要目的,。疫苗接種理論被引入到實(shí)際運(yùn)用中。文獻(xiàn)[6]嘗試使用個(gè)人或者權(quán)威機(jī)構(gòu)發(fā)送反謠言信息來(lái)抑制謠言,。此外謠言抑制還取決于接受者與傳播者的特征,、親密關(guān)系、謠言強(qiáng)度等因素,。

博弈論作為分析用戶(hù)決策與競(jìng)爭(zhēng)現(xiàn)象的典型數(shù)學(xué)工具被廣泛應(yīng)用于謠言抑制,。文獻(xiàn)[8]提出一種演化博弈模型來(lái)分析謠言過(guò)程,該模型考慮了用戶(hù)的多維屬性,,并量化了外部和內(nèi)部驅(qū)動(dòng)因素對(duì)群體狀態(tài)轉(zhuǎn)變的影響,。文獻(xiàn)[9]通過(guò)將社交網(wǎng)絡(luò)中的謠言傳播建模為一種協(xié)作博弈,發(fā)現(xiàn)具有無(wú)標(biāo)度屬性網(wǎng)絡(luò)可以更容易地促進(jìn)謠言傳播,。傳統(tǒng)的博弈論條件依賴(lài)度無(wú)限大,,混合人口的假設(shè),通過(guò)微分方程研究整體演化的動(dòng)態(tài)過(guò)程,。但現(xiàn)實(shí)社交網(wǎng)絡(luò)中面對(duì)有限,、非理性個(gè)體時(shí),如何對(duì)社交網(wǎng)圖結(jié)構(gòu)中輿情控制提出有效建模成為重點(diǎn),。針對(duì)網(wǎng)絡(luò)結(jié)構(gòu)和擴(kuò)散動(dòng)力學(xué)的研究有助于更好地理解網(wǎng)絡(luò)的演化機(jī)制,,因此本文引入圖進(jìn)化博弈理論來(lái)研究網(wǎng)絡(luò)結(jié)構(gòu)策略的演化。

社交網(wǎng)絡(luò)中當(dāng)非理性對(duì)手不再使用納什均衡策略博弈時(shí),此時(shí)納什均衡策略并不保證是最佳反應(yīng),。為滿(mǎn)足實(shí)時(shí)博弈中對(duì)策略的完善,,利用對(duì)手弱點(diǎn)往往能取得更高回報(bào),故提出從自我遺憾最小化角度建模,。其思想是從遺憾最小化的角度來(lái)利用次優(yōu)對(duì)手弱點(diǎn),,并基于一種離線的均衡計(jì)算,從個(gè)體自身選擇的經(jīng)驗(yàn)中學(xué)習(xí)更新策略,。文獻(xiàn)[13]探討了政府的懲罰和個(gè)人的敏感性如何影響謠言的演變,。由此可見(jiàn),網(wǎng)絡(luò)結(jié)構(gòu),、謠言強(qiáng)度,、用戶(hù)策略以及謠言控制中心存在與否都影響著其傳播。

本文在圖論的基礎(chǔ)上采用演化博弈概念,,引入遺憾最小化算法來(lái)研究網(wǎng)絡(luò)中謠言抑制與用戶(hù)策略的演化,。本文的貢獻(xiàn)可歸納為:(1)結(jié)合圖演化博弈論,考慮個(gè)體特征與社交網(wǎng)絡(luò)規(guī)則圖結(jié)構(gòu),,提出了新型演化博弈模型,;(2)利用次優(yōu)對(duì)手弱點(diǎn),提出遺憾最小化算法實(shí)現(xiàn)個(gè)體更新策略,。

 

本文詳細(xì)內(nèi)容請(qǐng)下載:http://forexkbc.com/resource/share/2000003235

作者信息:

臧正功,,丁  箐

(中國(guó)科學(xué)技術(shù)大學(xué) 軟件學(xué)院,安徽 合肥230051)

 


此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載,。